회귀 평가 지표

회귀 평가 지표

• 회귀 평가 지표 = 모델이 숫자를 얼마나 가깝게 예측했는지 보는 기준이다.
• 예: 주가, 매출, 수요량, 점수, 온도, 배송 시간 예측.

핵심 단어: 오차

• 오차 = 실제값과 예측값의 차이.
• 예: 실제 매출이 100인데 모델이 90이라고 예측했다면 오차는 10이다.
• 회귀 지표는 이 오차를 여러 방식으로 평균낸다.

Mermaid스크롤로 확대 · 드래그로 이동
Copy

MAE

• MAE(Mean Absolute Error) = 오차의 절댓값을 평균낸 것.
• 쉽게 말하면 평균적으로 얼마만큼 틀렸는가이다.
• 단위가 원래 값과 같아서 직관적이다.

예:

• 실제값: 100, 예측값: 90이면 10만큼 틀렸다.
• 실제값: 100, 예측값: 130이면 30만큼 틀렸다.
• 평균 오차는 (10 + 30) / 2 = 20.
• 따라서 MAE는 20이다.

MSE

• MSE(Mean Squared Error) = 오차를 제곱한 뒤 평균낸 것.
• 쉽게 말하면 큰 실수를 훨씬 더 크게 벌주는 지표다.
• 오차 10은 제곱하면 100이지만, 오차 30은 제곱하면 900이다.
• 그래서 작은 오차 여러 개보다 큰 오차 하나에 더 민감하다.

예:

• 오차가 10, 30이면
• 제곱 오차는 100, 900이다.
• 평균은 (100 + 900) / 2 = 500.
• 따라서 MSE는 500이다.

주의:

• MSE는 단위도 제곱된다.
• 예를 들어 원래 단위가 원이면 MSE는 원² 느낌이 되어서 사람이 직관적으로 읽기 어렵다.

RMSE

• RMSE(Root Mean Squared Error) = MSE에 루트를 씌운 값.
• 쉽게 말하면 큰 실수를 강하게 벌주되, 다시 원래 단위로 돌려 읽기 쉽게 만든 지표다.
• MSE가 500이면 RMSE는 약 22.36이다.

MAE, MSE, RMSE 비교

어떤 걸 쓰면 좋나

• 실무 설명용으로는 MAE가 가장 이해하기 쉽다.
• 큰 예측 실패를 강하게 잡고 싶으면 RMSE를 같이 본다.
• 모델 학습이나 수학적 최적화에서는 MSE가 자주 쓰인다.
• 평가 리포트에는 보통 MAE와 RMSE를 함께 적으면 좋다.

AI Agent에서의 활용

• 수요 예측 에이전트가 다음 달 주문량을 예측한다.
• 주가 분석 에이전트가 목표가를 예측한다.
• 운영 모니터링 에이전트가 응답 지연시간을 예측한다.
• 이때 실제 숫자와 예측 숫자의 차이를 MAE, MSE, RMSE로 본다.

한 줄 정리

• MAE: 평균적으로 몇 정도 틀렸는지.
• MSE: 큰 실수를 더 크게 벌주는 점수.
• RMSE: MSE를 다시 읽기 쉬운 단위로 바꾼 점수.
• 세 지표 모두 낮을수록 좋다.

관련

• AI 평가 지표
• Evaluation
• Observability