4.2 회귀모델 평가지표

🧠 회귀모델 평가지표 

✅ 1. 회귀 모델이란?

회귀 모델은 숫자를 예측하는 모델이에요.

 

👉 예측 결과가 **수치(숫자)**로 나오는 것이 회귀입니다.

 

✅ 2. 회귀 모델, 잘했는지 어떻게 평가할까?

모델이 예측한 숫자와, 실제 숫자가 얼마나 차이 나는지를 봐요.

• 예측값: 모델이 맞췄다고 생각한 숫자
• 실제값: 진짜 정답 숫자
• 오차(에러) = 실제값 – 예측값

 

✅ 3. 주요 평가 지표 7개 쉽게 설명

 

1️⃣ MAE (평균 절대 오차)

그냥 얼마나 틀렸는지 절댓값으로 평균

📌 공식:

MAE = (|오차1| + |오차2| + ... + |오차n|) / n

💬 예시:

• 진짜: 100, 예측: 90 → 오차 = 10
• 진짜: 80, 예측: 90 → 오차 = -10
• MAE = (10 + 10)/2 = 10

💡 특징:

• 아주 직관적
• 단위 그대로 (예: kg, 원, 점수 등)

 

2️⃣ MSE (평균 제곱 오차)

틀린 걸 제곱해서 평균

📌 공식:

MSE = (오차1² + 오차2² + ... + 오차n²) / n

💬 예시:

• 오차: 10, -10 → 제곱: 100, 100 → MSE = (100 + 100)/2 = 100

💡 특징:

• 큰 오차를 더 크게 반영
• 이상치에 민감

 

3️⃣ RMSE (평균 제곱근 오차)

MSE에 루트 씌운 값

📌 공식:

RMSE = √MSE

 

💬 예시:

• MSE가 100이면 → RMSE = √100 = 10

💡 특징:

• 단위가 원래 값과 같아짐 (MAE처럼 보기 쉬움)

 

4️⃣ MAPE (평균 절대 백분율 오차)

틀린 정도를 퍼센트로 표시

📌 공식:

MAPE = (1/n) × Σ(|오차 / 실제값| × 100)

💬 예시:

• 진짜값: 100, 예측: 90 → 오차 = 10 → 오차율 = 10%
• 진짜값: 200, 예측: 180 → 오차 = 20 → 오차율 = 10%
• MAPE = (10% + 10%) / 2 = 10%

💡 특징:

• 퍼센트로 보기 쉬움
• 실제값이 0에 가까우면 매우 커질 수 있음 → 주의

 

5️⃣ MPE (평균 백분율 오차)

오차를 퍼센트로 표시하되, 음수도 허용

📌 공식:

MPE = (1/n) × Σ((오차 / 실제값) × 100)

💬 MAPE와 차이점:

• MAPE는 절댓값 → 항상 양수
• MPE는 그대로 사용 → 오차 방향(과소/과대)까지 고려

 

6️⃣ R² (결정 계수)

모델이 얼마나 잘 설명하는지 비율로 평가
(0~1 사이 값, 1이면 완벽)

📌 공식 (이해 중심):

 

R² = 1 - (예측 오차 제곱합 / 전체 분산)

💬 예시:

• R² = 0.9 → 모델이 90% 잘 설명함
• R² = 0 → 설명 못함
• R² = 1 → 완벽 예측

💡 특징:

• 1에 가까울수록 모델 성능이 좋다

 

7️⃣ Adjusted R² (수정된 결정 계수)

변수가 많아질수록 자동으로 R² 올라가는데
그걸 보정해주는 R²

📌 왜 필요?

• 변수를 많이 넣으면 성능은 좋아지는데, 쓸모 없는 변수도 포함되면 문제
• Adjusted R²는 변수 개수(p), 데이터 수(n) 고려해서 정확도 보정

 

✅ 4. 예측 지표 비교표

 

 

✅ 5. 기억 쉽게! 암기 꿀팁 ✨

 

 

✅ 6. 회귀 평가 지표는 언제 쓰나요?

 

 

✅ 7. 빅분기 시험 대비 팁 🎓

• 수식보다 뜻을 정확히 이해하는 게 중요
• MAE/MSE/RMSE/MAPE 헷갈릴 땐
  절댓값 → MAE / 퍼센트 → MAPE / 제곱 → MSE / 루트 → RMSE
• R²가 무조건 좋다고 생각 말고, Adjusted R²도 고려
• 실제 계산문제도 출제됨 → 오차 = 실제 – 예측값 꼭 계산해보기