안녕하세요. 개발자 쪼맹 입니다. 오늘도 소소한 지식을 공유해보고자 합니다. 감사합니다. ^^ 알고리즘 모델을 학습 할 때 주어진 데이터를 통해서 모델에 성능과 정확도를 판단 할 수 있어야 합니다. 회귀 모델에 같은 경우는 R-squared 를 통해서 성능을 평가할 수 있습니다. R-squared 는 아래와 같은 방법으로 구할 수 있습니다. SSE ( sum of squares error) : 추정/예측 값 (회귀 선에 위치한 값 / 회귀 식 결과) 과 정답 값 (실제 값) 의 차이 (residual, 오차) 를 제곱 한 것 입니다. : 오차(Error) 에 대한 변동성을 볼 수 있습니다. SSR (sum of squares regression) : 추정/예측 값 (회귀 선에 위치한 값 / 회귀 식 결과) 과 정답 값 (실제 값) 의 평균 값 의 차이를 제곱 한 것 입니다. : 직선 (Regression) 에 대한 변동성을 볼 수 있습니다. SST ( sum of squares to...
#AI
#독립변수
#딥러닝
#머신러닝
#반응변수
#설명변수
#예측값
#정답데이터
#종속변수
#지니지수
#지도학습알고리즘
#추정값
#프로젝트
#학습데이터
#SST
#SSR
#AUC
#CART
#ConfusionMatrix
#DeepLearning
#GINIINDEX
#learningcurve
#MachineLearning
#Precision
#Recall
#ROC
#Rsquared
#Specificity
#SSE
#회귀직선
원문링크 : AI 머신러닝 모델 평가 K-Fold Cross Validation, Learning Curve, Validation Curve