[딥러닝] 오차 평가법 : 평균제곱오차 Mean Squared Error

 

오차 = 예측 값- 실제 값

오차들의 합은 부호가 다를 수 있어 각 오차의 값을 제곱해주어야 한다.

 

n = x원소의 총 개수, i = x가 나오는 순서 , (실제값-예측값)

 

평균제곱오차(MSE) = 오차를 제곱하여 평균을 계산한 것 .  값이 작을수록 예측력이 좋다

 

 

MSE

오차의 합을 n으로 나눈다.

 

 

선형 회귀 : 임의의 직선을 그어 이에 대한 평균 제곱 오차를 구하고, 이 값을 가장 작게 만들어주는 A와 B의 값을 찾아가는 과정

---

   파이썬으로 구현하기   

 

import numpy as np


#임의로 정한 기울기a와 y절편 b값을 fake_ab 리스트에 저장
fake_ab = [3,76]

#x,y데이터값
data=[[2,81],[4,93],[6,91],[8,97]]
x = [i[0] for i in data]
y = [i[1] for i in data]


#y=ax+b구현
def predict(x):
	return fake_ab[0]*x + fake_ab[1]


#mean():평균값구하는함수///평균제곱구하기
def mse(yi,y):
   return ((yi-y)**2),mean())
   
def mse_val(predict_result,y):
	return mse(np,array(predict_result),np.array(y))


#예측값리스트
pedict_result=[]


#모든 x값 한번씩 대입
for i in range(len(x)):
	predict_result.append(predict(x[i]))
    print("공부시간=%.f,실제점수=%.f,예측점수=%.f"% (x[i],y[i],
    predict(x[i])))
    
print("MSE 최종값:"+ str(mse_val(predict_result,y))