👉 [알고리즘] MSE(Mean Squared Error) 간단 정리

Matrix Factorization, 행렬 분해를 통해 모델을 생성한다

 

추천 엔진을 구현하며, ALS(Alternating Least Sqaure) 를 기반으로 Matrix Factorication 모델을 구현하고 있다.

 

그 중, 평가를 위한 함수인 MSE(Mean Sqaured Error) 를 구현하며 이해한 부분을 바탕으로 간단 정리한다.

 

https://www.dataquest.io/blog/understanding-regression-error-metrics/

 

평균제곱오차(MSE)는 Regression 과 같은 실수 기반의 결과에 대한 오차를 판별하는 방식이다.

 

Classification 과 같은 경우, 맞다/아니다가 판별이 가능하지만, 주식 가격 예측과 같은 수치 판단은 애매한 경우가 많다.

 

예시로, 실제 값이 100,000 원인 주식 가격을 내가 만든 모델이 95,000원 이라고 판별한다면, 이 모델이 얼마나 잘 판단한 것인지 애매하다.

 

따라서 실제 값과 예측값의 차이를 기준으로 오차를 판단하는 방식이다.

 

MSE = (실제값 - 예측값)^2 / 크기