Python에서 rmse를 계산하는 방법

RMSE(Root Mean Square Error)는 예측 값이 모델에서 관찰된 값과 평균적으로 얼마나 떨어져 있는지 알려주는 측정항목입니다. 다음과 같이 계산됩니다.

RMSE = √[ Σ(P _i – O _i ) ² / n ]

금:

• Σ는 ‘합’을 의미하는 화려한 기호입니다.
• Pi는 _i ^번째 관측치에 대한 예측값입니다.
• O _i 는 ^i번째 관측치에 대한 관측값입니다.
• n은 표본 크기입니다.

이 튜토리얼에서는 Python에서 RMSE를 계산하는 간단한 방법을 설명합니다.

예: Python에서 RMSE 계산

실제 값과 예측 값이 포함된 다음과 같은 테이블이 있다고 가정합니다.

 actual= [34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24]
pred = [37, 40, 46, 44, 46, 50, 45, 44, 34, 30, 22, 23]

실제 값과 예측 값 사이의 RMSE를 계산하려면 sklearn.metrics 라이브러리에서 Mean_squared_error() 함수 의 제곱근을 취하면 됩니다 .

 #import necessary libraries
from sklearn.metrics import mean_squared_error
from math import sqrt

#calculate RMSE
sqrt(mean_squared_error(actual, pred)) 

2.4324199198

RMSE는 2.4324 로 밝혀졌습니다.

RMSE를 해석하는 방법

RMSE는 모델이 데이터 세트에 얼마나 잘 맞는지 확인하는 유용한 방법입니다. RMSE가 클수록 예측값과 관측값 간의 차이가 커지며, 이는 모델이 데이터에 더 적합하지 않음을 의미합니다. 반대로, RMSE가 작을수록 모델이 데이터에 더 잘 적합할 수 있습니다.

두 가지 모델의 RMSE를 비교하여 어떤 모델이 데이터에 가장 적합한지 확인하는 것이 특히 유용할 수 있습니다.

추가 리소스

RMSE 계산기
Python에서 평균 제곱 오차(MSE)를 계산하는 방법
Python에서 MAPE를 계산하는 방법