평균 절댓값 오차 - MAE(Mean Absolute Error)

1. MAE(Mean Absolute Error)

---

MAE(Mean Absolute Error)는 절대 평균 오차라고 부릅니다.(오차(Loss) : 실제 결과값과 예측값의 차이)

$$MAE = \frac{1}{N}\sum \left |y^{'}-y \right |$$

평가 방법은 각 측정값과 실제값과 실제값 사이의 절대 오차를 구하고, 구한 오차들을 모두 더합니다. 그 후 이를 절대 오차의 평균을 구합니다.

*MSE(Mean Squared Error)는 회귀에서 자주 사용되는 손실함수입니다. 일반적인 회귀 지표는 MAE(Mean Absolute Error)입니다.

※ 위의 말을 쉽게 설명하면 MSE는 손실함수로 쓰이고, MAE는 회귀지표로써 사용됩니다.

다음은 이제 파이썬으로 구현해 보겠습니다.

# 모듈 임포트
from sklearn.metrics import mean_absolute_error

# 데이터 값 생성
y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]

# 회귀 지표 사용
mean_absolute_error(y_true,y_pred)

========================================================================

<output>
0.5

# 2번째 데이터 준비
y_true2 = [[0.5, 1], [-1,1],[7,-6]]
y_pred2 = [[0,2],[-1,2],[8,-5]]

# 회귀 지표 사용
mean_absolute_error(y_true2,y_pred2)

========================================================================

<output>
0.75

# multioutput : 여러 출력값의 집계를 정의합니다. 배열 유사 값은 평균 오류에 사용되는 가중치를 정의합니다.
# 'raw values' : 다중 출력 입력의 경우 전체 오류 집합을 반환합니다.
mean_absolute_error(y_true,y_pred, multioutput='raw_values')

========================================================================

<output>
array([0.5])

mean_absolute_error(y_true2,y_pred2,multioutput=[0.3,0.7])

========================================================================

<output>
0.85