추천시스템 평가 지표 - 정확도 측정 : MAE, RMSE

---

MAE(Mean Absolute Error, 평균 절대 오차)

• 평점 예측에 대한 각 오차의 절댓값의 평균
• 가장 단순한 정확도 측정 metrix
• n개의 평점에 대해 예측 평점을 y, 사용자가 실제로 준 평점을 x로 놓을 수 있음.
• 둘 차이의 절댓값의 총 합을 n으로 나눈 값
• 오차이기 때문에 낮을수록 좋은 것.

 

$$ MAE= \frac{\sum_{i=1}^n |y_i - x_i|}{n} $$

 

 

예를들면,

Predicted rating	Actual rating	Error
5	3	2
4	1	3
5	4	1
1	1	0

$$ MAE = (2+3+1+0)/4 = 1.5 $$

 

 

 

RMSE(Root Mean Square Error, 평균 제곱근 오차)

• MAE 보다 더 많이 쓰임.
• 예상에서 벗어났을 때, 비교적 많은 패널티를 주고 예상이 근접하다면 패널티를 적게 줄 수 있음.
• 평점 예측 오차를 제곱한 값을 더함.
• 제곱값으로 절댓값을 취한것 처럼 양수를 얻고 더 큰 오차에 대한 패널티를 늘림.
• 이후 제곱근을 이용해 되돌린 숫자를 얻음.

 

$$ RMSE = \sqrt \frac{\sum_{i=1}^n(y_i - x_i)^2}{n} $$

 

 

예를들면,

Predicted rating	Actual rating	$$error^2$$
5	3	4
4	1	9
5	4	1
1	1	0

$$ RMSE = \sqrt {(4 + 9 + 1 + 0)/4}  = 1.87$$

 

• 사용자가 싫어했던 평점 1점의 항목에 대해 평점 4점이라고 예측하는 것에 제곱을 취해 패널티를 많이 줌.
• RMSE도 오차이므로 낮은 값이 좋은 값

 

 

 

⚠ 참고 사이트

• 강의-머신러닝&AI로 추천시스템 구축하기(Udemy)

---