[프로젝트 스터디] 회귀 문제 평가 지표

 

LightGBM은 효율적인 부스팅 알고리즘을 사용하는 머신러닝 라이브러리이다.

본 세미 프로젝트는 회귀 문제에 해당하니 LightGBM으로 모델 학습하고, 평가 지표를 설정하는 방법을 찾아보기로 했다.

 

LightGBM의 평가 지표 종류(회귀문제)

• LightGBM은 LightGBMRegressor 클래스를 사용하여 회귀 모델을 학습한다.
• 회귀 문제에서 사용되는 평가지표는 데이터 특성에 따라 선택할 수 있으니, 적절한 평가 지표로 모델 성능을 평가, 비교하여 최적의 모델을 선택해야 한다.

 

🥑 평균 제곱 오차 (MSE) 예시

from lightgbm import LGBMRegressor
from sklearn.metrics import mean_squared_error

# LightGBM 회귀 모델 생성 및 학습
model = LGBMRegressor()
model.fit(X_train, y_train)

# 테스트 데이터에 대한 예측 값 계산
y_pred = model.predict(X_test)

# MSE 계산
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error:", mse)

 

🥑 평균 제곱 오차 (MAE) 예시

from lightgbm import LGBMRegressor
from sklearn.metrics import mean_absolute_error

# LightGBM 회귀 모델 생성 및 학습
model = LGBMRegressor()
model.fit(X_train, y_train)

# 테스트 데이터에 대한 예측 값 계산
y_pred = model.predict(X_test)

# MAE 계산
mae = mean_absolute_error(y_test, y_pred)
print("Mean Absolute Error:", mae)

 

🥑 R² 결정계수(R-squared) 예시

from lightgbm import LGBMRegressor
from sklearn.metrics import r2_score

# LightGBM 회귀 모델 생성 및 학습
model = LGBMRegressor()
model.fit(X_train, y_train)

# 테스트 데이터에 대한 예측 값 계산
y_pred = model.predict(X_test)

# r2 계수 계산
r2 = r2_score(y_test, y_pred)
print("R-squared:", r2)