【Pythonチートシート】回帰モデルの結果の評価方法(MAE、MSE、RMSE、R2)

スポンサーリンク
この記事は 約3 分で読めます。

今回は、Pythonで回帰モデルの評価方法でよく用いられる方法について、ご紹介します。

なつめ
なつめ

本記事は「ある程度他のプログラミング言語の経験はあるけど、あまりPythonは使ったことがない人を対象としたチートシート」です。私自身の備忘録的な感じでまとめています。

スポンサーリンク

平均絶対誤差(MAE)

MAEの計算式は以下の通りです。

from sklearn.metrics import mean_absolute_error
x = [1, 2, 3, 4, 5]
y = [1, 3, 3, 4, 6]
mean_absolute_error(x, y)
# 0.4
スポンサーリンク

平均二乗誤差(MSE)

MSEの計算式は以下の通りです。

from sklearn.metrics import mean_squared_error
x = [1, 2, 3, 4, 5]
y = [1, 3, 3, 4, 6]
mean_squared_error(x, y)
# 0.4
スポンサーリンク

二乗平均平方根誤差(RMSE)

RMSEの計算式は以下の通りです。

from sklearn.metrics import mean_squared_error
import numpy as np
x = [1, 2, 3, 4, 5]
y = [1, 3, 3, 4, 6]
np.swrt(mean_squared_error(x, y))
# 0.632455532
スポンサーリンク

決定係数(R2)

R2の計算式は以下の通りです。

from sklearn.metrics import r2_score
import numpy as np
x = [1, 2, 3, 4, 5]
y = [1, 3, 3, 4, 6]
r2_score(x, y)
# 0.8
スポンサーリンク

まとめ

今回は、Pythonで回帰モデルの評価方法でよく用いられる方法ついてまとめました。

なつめ
なつめ

自分はよくR2とMAEを用いています。

Pocket

コメント