[30 Days of ML] Day 9 - part 2

Tutorials

---

What is Model Validation

모델의 퀄리티를 요약하는 메트릭 중 하나인 Mean Absoute Error(MAE)를 살펴 볼 것이다.

MAE 는 실제값과 예측값의 차이에 절댓값을 씌운 후 예측값의 개수만큼 나누어 주면 된다.

---

The Problem with "In-Sample" Scores

from sklearn.metrics import mean_absolute_error

predicted_home_prices = melbourne_model.predict(X)
mean_absolute_error(y, predicted_home_prices)

1115.7467183128902

이렇게 계산된 측정값을 "표본 내(in-sample)" 점수라고 할 수 있다. 모델을 구축하고 평가하기 위해 단일 샘플을 사용했다. 이렇게 하면 안됨!!

모델을 평가하려면 모델을 구축할 때 사용되지 않은 새로운 데이터를 사용해 성능을 측정해야 한다.