시작하기무료로 시작하기

실수가 클수록 더 큰 패널티

모든 오차가 잘못이지만, 모두가 똑같이 나쁜 것은 아닙니다. 때로는 큰 예측 오차가 작은 오차보다 훨씬 더 해로울 수 있어요.

실수가 클수록 더 큰 패널티 — 이것이 RMSE(root mean squared error, 평균제곱근오차)의 특징 중 하나입니다. RMSE는 큰 오차를 제곱해, 작은 오차보다 이상치를 더 강하게 벌점화합니다.

RMSE는 아래 공식을 사용해 계산할 수 있으며, 여기서 $i$번째 squared_diff는 $i$번째 오차의 제곱입니다.

$$RMSE = \sqrt{\frac{1}{n} \cdot \sum_{i=1} ^n i\text{th squared_diff}}$$

이번 연습에서는 예측값의 RMSE를 계산해 보겠습니다.

작업 공간에는 이전 연습의 결과인 test_enriched가 준비되어 있으며, 테스트 데이터에 모델의 샘플 외 예측값이 담긴 새 열 .pred가 추가되어 있습니다.

이 연습은 강의의 일부입니다

R로 배우는 트리 기반 Machine Learning

강의 보기

연습 안내

  • 예측값과 최종 점수의 원소별 차이를 계산한 뒤 제곱하여 squared_diffs로 저장하세요.
  • 위 공식을 사용해 RMSE를 계산하고 rmse_manual로 저장하세요.
  • rmse() 함수를 사용해 오차를 계산하고 rmse_auto로 저장하세요.
  • rmse_manual과 rmse_auto를 출력해 두 값이 같은지 확인하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Calculate the squared differences
squared_diffs <- (___ - ___)^___

# Compute the RMSE using the formula
rmse_manual <- ___(1 / ___ * ___)

# Compute the RMSE using a function
rmse_auto <- ___(___,
                 ___,
                 ___)

# Print both errors
___
___
코드 편집 및 실행