1 개요
- mean squared error (MSE), mean squared deviation (MSD)
- 평균 제곱 오차, 평균 제곱 편차
- 오차제곱합을 자유도로 나눈 것
- [math]\displaystyle{ \operatorname {MSE} =\dfrac{1}{n} \sum _{i=1}^{n}(Y_{i}-{\hat {Y_{i}}})^{2} }[/math]
2 머신러닝
- 예시당 평균 제곱 손실
- [math]\displaystyle{ \operatorname{MSE} = \dfrac{1}{N} \sum_{(x,y)∈D} ( y - \operatorname{prediction}(x) )^2 }[/math]
- 제곱 손실을 예시의 개수로 나누어 계산한다.
- 머신러닝에서 손실함수로 MSE를 흔히 사용하지만, 모든 상황에서 최선인 유일한 손실함수는 아니다.
- 텐서플로우 플레이그라운드에서 '학습 손실' 및 '테스트 손실'로 표시하는 값이 MSE이다.
3 예제
다음 두 도표 중 평균제곱오차가 더 큰 것은 어느 것인가? 각각 계산해보자.
- [math]\displaystyle{ \operatorname{MSE}_1=\dfrac{1^2+1^2+1^2+1^2}{10}=\dfrac{4}{10}=0.4 }[/math]
- [math]\displaystyle{ \operatorname{MSE}_2=\dfrac{2^2+2^2}{10}=\dfrac{8}{10}=0.8 }[/math]
4 같이 보기
5 참고
편집자 Jmnote
로그인하시면 댓글을 쓸 수 있습니다.