Machine Learning Valuation Metrics (머신러닝 모델 성능 평가)

Machine Learning Valuation Metrics

Loss Function (손실함수)

Loss Function (손실 함수)

 

손실 함수(Loss Function)는 지도학습(Supervised Learning) 시 알고리즘이 예측한 값과 실제 정답의 차이를 비교하기 위한 함수

즉, '학습 중에 알고리즘이 얼마나 잘못 예측하는 정도'를 확인하기 위한 함수로써 최적화(Optimization)를 위해 최소화하는 것이 목적인 함수

손실 함수를 목적 함수(Objective Function), 비용 함수(Cost Function), 에너지 함수(Energy Function) 등으로 다양하게 부른다.

손실 함수를 통해 모델 학습 중에 손실(loss)이 커질수록 학습이 잘 안 되고 있다고 해석할 수 있고, 반대로 손실이 작아질수록 학습이 잘 이루어지고 있다고 해석합니다. 이처럼, 손실 함수는 알고리즘 학습의 길잡이 역할을 하는 중요한 역할을 담당

 

손실 함수는 성능 척도(Performance Measure)와는 다른 개념!!

성능 척도는 학습된 알고리즘의 성능을 정량적으로 평가하기 위한 지표로써 정확도, F1 점수, 정밀도 등이 있다.

즉, 성능 지표는 알고리즘의 학습이 끝났을 때 모델의 성능을 평가하기 위한 지표이기 때문에 알고리즘 학습 중에는 전혀 사용되지 않는다.

반면, 손실 함수는 알고리즘 학습 중에 학습이 얼마나 잘 되고 있는지 평가하기 위한 지표

---

Regression Metrics

[Regression Loss Function] MAE, MSE, RMSE MSLE, RMSLE

 

R-squared

[Regression Metrics] R-squared(결정계수)

---

Classification Performance Measure

[Model Performance Measure] Precision, Recall, Accuracy, F1 score, FPR, ROC curve, AUC

 

 

---

References

• https://heytech.tistory.com/361