MSE(Mean Squared Error)
- 예측값과 실제값의 차이의 제곱을 평균 낸 값
$${(\frac{1}{n})\sum_{i=1}^{n}(y_{i} - x_{i})^{2}}$$
from sklearn.metrics import mean_squared_error
mean_squared_error(pred, actual)
MAE (Mean Absolute Error)
- 예측값과 실제값의 차이의 절댓값을 평균 낸 값
$$(\frac{1}{n})\sum_{i=1}^{n}\left | y_{i} - x_{i} \right |$$
from sklearn.metrics import mean_absolute_error
mean_absolute_error(pred, actual)
RMSE (Root Mean Squared Error)
- 예측값과 실제값의 차이의 제곱을 평균 내고 루트를 씌운 값
$$\sqrt{(\frac{1}{n})\sum_{i=1}^{n}(y_{i} - x_{i})^{2}}$$