Recent Posts
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- MaskRCNN환경구축
- mask2coco
- RMSLE
- docker
- MaskRCNN코랩
- 프로그래머스
- 청산원함
- 로지스틱 회귀
- flask모델서빙
- PyQt5
- 객체 성능 평가 지표
- stacking
- MaskRCNN환경구성
- mask2cocojson
- 엘라스틱넷
- stratified k-fold
- mmdetection
- 다중 회귀
- MaskRCNN_colab
- rogistic regression
- MSLE
- 피처 스케일링
- Python
- 기사단원의무기
- spleeter
- 회귀 평가 지표
- bcss
- bargraph
- seaborn.barplot
- 모델 성능 최적화
- Today
- Total
목록MSLE (1)
노트와 노트

회귀 평가 지표 회귀의 평가를 위한 지표는 실제 값과 회귀 모델의 예측 값의 차이를 기반으로 한 지표가 중심이다. 이 차이 값은 단순 더하기, 빼기로는 +, -가 섞여 오류가 상쇄되므로 보통 절댓값 평균, 제곱, 루트 등을 이용한다. 숫자가 작을수록(0에 가까울수록) 좋은 성능 지표 MAE, MSE, RMSE, MSLE, RMSLE 숫자가 클수록(1에 가까울수록) 좋은 성능 지표 R^2 회귀 평가 지표 사이킷런 API 평가 방법 사이킷런 평가 지표 API scoring 함수 적용 값 MAE metrics.mean_absolute_error 'neg_mean_absolute_error' MSE metrics.mean_squared_error 'neg_mean_squared_error' R^2 metrics..
Machine Learning & DeepLearning
2022. 5. 2. 19:46