RMSE ์ธ๋ค์ผํ ๋ฆฌ์คํธํ 10/17 ์ 1. RMSLE(Root Mean Square Log Error) ์ค๋ ์งํ ํ ํ๊ท ์ค์ต(์์ ๊ฑฐ ๋์ฌ ์์ ์์ธก)์์ ์บ๊ธ์ ์ ์ฑ๋ฅ์งํ ์ค RMSE๊ฐ ์๋ RMSLE(Root Mean Square Log Error) ์ฌ์ฉํ๋ฉฐ, ๋์ ์ฐจ์ด๊ฐ ์ ๋ง์ด ๋๋์ง(LinearRegression: RMSLE: 1.165 vs. RMSE: 140.900)์ ๋ํด ๊ณต๋ฃก ์ฑ ์ ๊ถ์ฒ ๋ฏผ ์ ์๋์ด ์ธํ๋ฐ์ ์์ธํ ์ค๋ช ํด์ฃผ์ ๋ด์ฉ์ ์ฐพ์๋ค. ํ๊น ๊ฐ ์์ฒด๊ฐ ๋งค์ฐ ๋์ ๋ฐ์ดํฐ์ ๋ํด์ ์์ธก ์ค๋ฅ๊ฐ ๋ฐ์ํ ๊ฒฝ์ฐ, ํ๊น ๊ฐ์ด ์์ ๋ฐ์ดํฐ์ ๋ํด์ ์์ธก ์ค๋ฅ๊ฐ ๋ฐ์ํ ๊ฒฝ์ฐ๋ณด๋ค ์ํฉํธ๊ฐ ๋์ฑ ํฌ๊ฒ ๋จ. ์ด๋ฅผ ์์ํ๊ธฐ ์ํด ์ค์ ๊ฐ(y)๊ณผ ์์ธก๊ฐ(pred)์ ๋จผ์ ๋ก๊ทธ(cf. ํ๊ต ๋ค๋ ๋ ๋ฐฐ์ด ์ผ์ข ์ ๋ํ ์ ์ธ) ๋ณํํ์ฌ ์ซ์ ์์ฒด์.. ๋๋ณด๊ธฐ 4/4 ์ ์์์ผ! ์ค๋์ ๊ธ์์ผ์ ์ค์ต ์์ ๋ก ์ฃผ์ด์ก๋ admission(๋ํ์ ํฉ๊ฒฉ ์ฌ๋ถ) ๋ฐ์ดํฐ์ ์ Sklearn, Tensorflow๋ก ๊ตฌํํ๊ณ , ์ง๋์ฃผ์ ๋ฐฐ์ด Logistic Regression์ ํ์ฉํด ํ๊ฐ์งํ(Metrics)๋ฅผ ์์๋ณธ๋ค. 1. Logistic Regression by Sklearn import numpy as np import pandas as pd import tensorflow as tf from sklearn import linear_model from sklearn.preprocessing import MinMaxScaler from scipy import stats import matplotlib.pyplot as plt import warnings warnings.filter.. ๋๋ณด๊ธฐ ์ด์ 1 ๋ค์