모델 적합도 측정
이제 학습 데이터와 테스트 데이터에 대해 두 가지 지표(제곱근 평균제곱오차와 평균절대오차)로 회귀 성능을 측정해 볼 거예요. 이는 모델 예측이 실제 값에 얼마나 “가까운지”를 평가하는 매우 중요한 단계예요.
numpy 라이브러리는 np로 불러와져 있어요. mean_absolute_error와 mean_squared_error 함수도 로드되어 있어요. 학습용과 테스트용 타깃 변수는 각각 train_Y와 test_Y로, 그리고 학습용과 테스트용의 예측 값은 각각 train_pred_Y와 test_pred_Y로 제공돼요.
이 연습은 강의의 일부입니다
Python으로 배우는 마케팅용 Machine Learning
연습 안내
np.sqrt()함수를 사용해 학습 데이터의 제곱근 평균제곱오차를 계산하세요.- 학습 데이터의 평균절대오차를 계산하세요.
- 테스트 데이터의 제곱근 평균제곱오차를 계산하세요.
- 테스트 데이터의 평균절대오차를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Calculate root mean squared error on training data
rmse_train = np.sqrt(___(train_Y, train_pred_Y))
# Calculate mean absolute error on training data
mae_train = ___(train_Y, train_pred_Y)
# Calculate root mean squared error on testing data
rmse_test = np.sqrt(___(test_Y, test_pred_Y))
# Calculate mean absolute error on testing data
mae_test = ___(test_Y, test_pred_Y)
# Print the performance metrics
print('RMSE train: {}; RMSE test: {}\nMAE train: {}, MAE test: {}'.format(rmse_train, rmse_test, mae_train, mae_test))