MAE(Mean Absolute Error), 평균절대오차

MAE란?

평균 절대 오차인 MAE는 회귀 모델의 성능을 평가하는 데 사용되는 일반적인 메트릭 입니다. 모델의 예측 값과 실제 값 사이의 절대 평균 차이를 측정합니다.

MAE는 어떻게 작동?

• 각각의 예측 값과 실제 값 간의 절대 차이를 계산한 다음에 이 차이들의 평균을 구하는 방식.
• MAE는 오류의 절댓값을 사용하기 때문에 작은 오류에 더 심하게 패널티를 부여

데이터 사이언스에서 MAE가 중요한 이유

• 회귀 모델의 정확도를 측정하기에 간단하면서도 직관적인 방법
• 데이터의 극단적인 값에 영향을 받지 않기 때문에 데이터에 이상 값이 있거나 기타 극단적인 값이 포함된 상황에서 유용하게 쓰일 수 있는 메트릭이 됩니다.

MAE vs MSE

• MAE는 예측 값과 실제 값 간의 평균 절대 차이를 측정
• MSE는 평균 제곱 차이를 측정,(작은 오류가 허용돼도 되는 상황에 더 적합)

MAE, sklearn 활용

import numpy as np
from sklearn.metrics import mean_absolute_error

y_true = np.array([1, 2, 3, 4, 5,])

y_pred = np.array([1.5, 2.5, 3.5, 4.5, 5.5])

mae = mean_absolute_error(y_true, y_pred)

더 알아볼 것

• 메트릭(metric)

Reference

https://data-science-diary.tistory.com/6