[내 머리로 머신러닝] 모델 성능평가 지표 - MAE, MSE, RMSE, R²(결정계수)

 

 

선형회귀 해석, 이렇게 쉽게 끝내자! 🎯

선형회귀에서 꼭 알아야 할 평가 지표인

**MAE, MSE, RMSE, 결정계수(R²)**를

이해해보자 🚀

 

---

1️⃣ MAE (Mean Absolute Error) – 평균 절대 오차

뜻: 예측 값과 실제 값의 차이를 절대값으로 만든 뒤, 그 평균을 계산한 값

🏠 비유로 설명하기

매일 집에서 학교까지 걸리는 시간을 예측한다고 가정하자

• 예측: 15분
• 실제 걸린 시간: 20분

"오차"는 예측 값과 실제 값의 차이, 즉 5분이다다. MAE는 매일의 오차를 절대값으로 더해서 평균을 낸 값.
👉 오차를 그냥 '얼마나 틀렸는지' 직관적으로 보여주는 지표다.

작을수록 모델이 정확하다는 뜻! 🎯

---

2️⃣ MSE (Mean Squared Error) – 평균 제곱 오차

뜻: 오차를 제곱해서 평균을 낸 값.

🧮 비유로 설명하기

오차를 제곱하는 이유는 큰 오차에 더 큰 패널티를 주기 위해서.
만약 오늘은 5분 차이가 났지만, 어제는 20분 차이가 났다면 20분 차이는 4배 더 중요한 문제로 다룬다. 💥

👉 MSE는 큰 오차를 강조하는 데 유용한 지표.
하지만 단위가 제곱이라서 해석이 조금 어려울 수 있다. 🤔

---

3️⃣ RMSE (Root Mean Squared Error) – 평균 제곱근 오차

뜻: MSE의 제곱근을 구한 값.

🌟 비유로 설명하기

MSE는 좋은 지표지만, 단위가 제곱이라서 실제 오차를 직관적으로 이해하기 어렵다.
그래서 다시 원래 단위로 돌려놓은 게 RMSE

👉 RMSE는 "얼마나 평균적으로 틀렸는지"를 이해하기 쉽게 보여준다

작을수록 더 정확한 모델이라는 뜻! 🏆

---

4️⃣ 결정계수 (R²) – 모델 설명력

뜻: 모델이 데이터를 얼마나 잘 설명하는지를 0에서 1 사이 값으로 나타낸 지표.

🎨 비유로 설명하기

그림을 그리고 있다고 상상해보자. 🖼️

• R² = 1: 모델이 모든 점을 완벽히 연결, 그림을 완벽하게 설명해요! 😍
• R² = 0: 모델이 그림을 전혀 못 그리고 아무렇게나 선을 긋는 중... 😅

👉 1에 가까울수록 모델이 데이터를 잘 설명한다는 뜻!
단, 데이터가 너무 복잡하거나 이상치가 많으면 낮아질 수 있다.

---

정리 ✏️

• MAE 평균절대오차: 예측이 평균적으로 얼마나 틀렸는지 (직관적)
• MSE 평균제곱오차: 큰 오차에 민감한 지표 (제곱 오차)
• RMSE 평균제곱근오차: MSE를 다시 해석하기 쉽게 바꾼 값 (오차 크기 직관적)
• R² 결정계수: 모델이 데이터를 얼마나 잘 설명하는지 (0~1 사이)

이제 선형회귀를 마스터할 준비 완료! 🎉

파이팅! 🚀💪💯