한국어
메뉴

머신러닝의 기초

4건의 데이터의 실제 값이 3, 5, 2, 6이고, 모델의 예측값이 각각 2, 5, 4, 4일 때 평균 제곱 오차(MSE)는?

  1. A1.25
  2. B2.25
  3. C9
정답과 해설 보기

정답: B. 2.25

각 데이터의 오차(실제 값 − 예측값)는 1, 0, −2, 2입니다. MSE는 오차의 제곱의 평균이므로 (1 + 0 + 4 + 4) ÷ 4 = 2.25입니다. 오차의 절댓값의 평균인 평균 절대 오차(MAE)는 (1 + 0 + 2 + 2) ÷ 4 = 1.25입니다. MSE는 오차를 제곱하므로, 크게 벗어난 데이터(이상값)의 영향을 MAE보다 강하게 받습니다.

이 분야 연습하기 분야로 돌아가기

머신러닝의 기초의 다른 문제

  1. 3개의 데이터 (x, y) = (1, 3), (2, 4), (3, 8)에 최소 제곱법으로 직선 y = ax + b를 맞추었다. x = 4일 때의 예측값은?
  2. 로지스틱 회귀에서 z = 2x − 4를 시그모이드 함수 σ(z) = 1 ÷ (1 + e^(−z))에 통과시킨 값을 양성일 확률로 출력한다. x = 2일 때의 출력은?
  3. 결정 트리의 어떤 노드에 클래스 A의 데이터가 6건, 클래스 B의 데이터가 4건 있다. 이 노드의 지니 불순도는?
  4. 앙상블 학습의 배깅(랜덤 포레스트 등)과 부스팅의 차이로 적절한 것은?
  5. 2차원 점 (0, 0)의 클래스를 k-최근접 이웃 알고리즘으로 예측한다. 학습용 데이터는 빨간 점 (1, 0), (3, 0), (0, −3)과 파란 점 (0, 2), (−2, 1)이다. 거리를 유클리드 거리로 할 때, k = 3과 k = 5의 예측 조합으로 올바른 것은?