회귀 검토

XGBoost로 익히는 Extreme Gradient Boosting

Sergey Fogelson

Head of Data Science, TelevisaUnivision

회귀 기초

  • 결과값이 실수

XGBoost로 익히는 Extreme Gradient Boosting

주요 회귀 지표

  • 평균 제곱근 오차 (RMSE)
  • 평균 절대 오차 (MAE)
XGBoost로 익히는 Extreme Gradient Boosting

RMSE 계산

실제값 예측값
10 20
3 8
6 1
XGBoost로 익히는 Extreme Gradient Boosting

RMSE 계산

실제값 예측값 오차
10 20 -10
3 8 -5
6 1 5
XGBoost로 익히는 Extreme Gradient Boosting

RMSE 계산

실제값 예측값 오차 오차 제곱
10 20 -10 100
3 8 -5 25
6 1 5 25
  • 제곱 오차 합계: 150
  • 평균 제곱 오차: 50
  • 평균 제곱근 오차: 7.07
XGBoost로 익히는 Extreme Gradient Boosting

MAE 계산

실제값 예측값 오차
10 20 -10
3 8 -5
6 1 5
  • 절대 오차 합계: 20
  • 평균 절대 오차: 6.67
XGBoost로 익히는 Extreme Gradient Boosting

주요 회귀 알고리즘

  • 선형 회귀
  • 의사결정 트리
XGBoost로 익히는 Extreme Gradient Boosting

회귀와 분류 모두에 사용되는 알고리즘

1 https://www.ibm.com/support/knowledgecenter/en/SS3RA7_15.0.0/ com.ibm.spss.modeler.help/nodes_treebuilding.htm
XGBoost로 익히는 Extreme Gradient Boosting

연습해 봅시다!

XGBoost로 익히는 Extreme Gradient Boosting

Preparing Video For Download...