ํ‰๊ท  ์ œ๊ณฑ๊ทผ ์˜ค์ฐจ(RMSE) ๊ณ„์‚ฐ๊ธฐ

ํ‰๊ท  ์ œ๊ณฑ๊ทผ ์˜ค์ฐจ(RMSE) ๊ณ„์‚ฐ๊ธฐ

์ธ๊ธฐ AI Skill PRO

๊ณ„์‚ฐ ์ž…๋ ฅ

๊ณต์‹

RMSE=1nโˆ‘i=1n(์‹ค์ œ๊ฐ’iโˆ’์˜ˆ์ธก๊ฐ’i)2\text{RMSE} = \sqrt{\frac{1}{n} \sum_{i=1}^{n} \left( {{\text{์‹ค์ œ๊ฐ’}_i}} - {{\text{์˜ˆ์ธก๊ฐ’}_i}} \right)^2}
์‚ฌ์šฉ ํ†ต๊ณ„

๊ด‘๊ณ 

๊ฒฐ๊ณผ

ํ‰๊ท  ์ œ๊ณฑ๊ทผ ์˜ค์ฐจ(RMSE)
0.6124
RMSE
๋ฐ์ดํ„ฐ ๊ฐœ์ˆ˜ (n) 4
ํ‰๊ท  ์ œ๊ณฑ ์˜ค์ฐจ(MSE) 0.375
ํ‰๊ท  ์ ˆ๋Œ€ ์˜ค์ฐจ(MAE) 0.5

์ด ํŽ˜์ด์ง€์˜ ์˜ค๋ฅ˜ ์‹ ๊ณ 

ํ‰๊ท  ์ œ๊ณฑ๊ทผ ์˜ค์ฐจ(RMSE)๋ž€?

ํ‰๊ท  ์ œ๊ณฑ๊ทผ ์˜ค์ฐจ(RMSE, Root Mean Square Error)๋Š” ๋ชจ๋ธ์˜ ์˜ˆ์ธก๊ฐ’์ด ์‹ค์ œ ๊ด€์ธก๊ฐ’์—์„œ ์–ผ๋งˆ๋‚˜ ๋ฒ—์–ด๋‚˜๋Š”์ง€๋ฅผ ์ธก์ •ํ•˜๋Š” ๊ฐ€์žฅ ๋„๋ฆฌ ์“ฐ์ด๋Š” ์ง€ํ‘œ ์ค‘ ํ•˜๋‚˜์ž…๋‹ˆ๋‹ค. ์˜ˆ์ธก ์˜ค์ฐจ์˜ ์ผ๋ฐ˜์ ์ธ ํฌ๊ธฐ๋ฅผ ๋ฐ์ดํ„ฐ์™€ ๋™์ผํ•œ ๋‹จ์œ„๋กœ ํ‘œํ˜„ํ•˜๊ธฐ ๋•Œ๋ฌธ์— ํ•ด์„์ด ์ง๊ด€์ ์ž…๋‹ˆ๋‹ค. RMSE๊ฐ€ ์ž‘์„์ˆ˜๋ก ๋ชจ๋ธ์ด ๋ฐ์ดํ„ฐ์— ๋” ์ž˜ ๋งž๋Š”๋‹ค๋Š” ๋œป์ด๋ฉฐ, RMSE๊ฐ€ 0์ด๋ผ๋ฉด ์˜ˆ์ธก์ด ์™„๋ฒฝํ•˜๊ฒŒ ์ผ์น˜ํ•œ๋‹ค๋Š” ์˜๋ฏธ์ž…๋‹ˆ๋‹ค.

ํšŒ๊ท€์„ ๊ณผ ์ ๊ณผ ์„  ์‚ฌ์ด์˜ ์ˆ˜์ง ์ž”์ฐจ ์„ ๋ถ„์„ ๋ณด์—ฌ์ฃผ๋Š” ์‚ฐ์ ๋„
RMSE๋Š” ์ž”์ฐจ, ์ฆ‰ ์‹ค์ œ ๊ฐ’๊ณผ ์˜ˆ์ธก ๊ฐ’ ์‚ฌ์ด์˜ ์ˆ˜์ง ์ฐจ์ด๋ฅผ ์š”์•ฝํ•ฉ๋‹ˆ๋‹ค.

๊ณ„์‚ฐ๊ธฐ ์‚ฌ์šฉ ๋ฐฉ๋ฒ•

์‹ค์ œ๊ฐ’๊ณผ ์˜ˆ์ธก๊ฐ’์„ ๊ฐ๊ฐ ์‰ผํ‘œ ๋˜๋Š” ๊ณต๋ฐฑ์œผ๋กœ ๊ตฌ๋ถ„ํ•ด ๋‘ ๊ฐœ์˜ ๋ชฉ๋ก์œผ๋กœ ์ž…๋ ฅํ•˜์„ธ์š”. ๋‘ ๋ชฉ๋ก์˜ ํ•ญ๋ชฉ ๊ฐœ์ˆ˜๋Š” ๊ฐ™์•„์•ผ ํ•ฉ๋‹ˆ๋‹ค. ๋งŒ์•ฝ ๊ฐœ์ˆ˜๊ฐ€ ๋‹ค๋ฅด๋ฉด ๊ณ„์‚ฐ๊ธฐ๋Š” ์•ž์—์„œ๋ถ€ํ„ฐ ์ง์ด ๋งž๋Š” n๊ฐœ์˜ ์Œ๋งŒ ์‚ฌ์šฉํ•ฉ๋‹ˆ๋‹ค. ๊ณ„์‚ฐ ๋ฒ„ํŠผ์„ ๋ˆ„๋ฅด๋ฉด RMSE์™€ ํ•จ๊ป˜ ํ‰๊ท  ์ œ๊ณฑ ์˜ค์ฐจ(MSE), ํ‰๊ท  ์ ˆ๋Œ€ ์˜ค์ฐจ(MAE)๊ฐ€ ํ‘œ์‹œ๋˜์–ด ๋” ํ’๋ถ€ํ•œ ๋งฅ๋ฝ์„ ํ™•์ธํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

๊ณต์‹ ์•Œ์•„๋ณด๊ธฐ

RMSE๋Š” ๋‹ค์Œ ๋„ค ๋‹จ๊ณ„๋กœ ๊ณ„์‚ฐํ•ฉ๋‹ˆ๋‹ค. (1) ๊ฐ ์˜ˆ์ธก๊ฐ’์„ ์‹ค์ œ๊ฐ’์—์„œ ๋นผ์„œ ์˜ค์ฐจ๋ฅผ ๊ตฌํ•ฉ๋‹ˆ๋‹ค. (2) ์–‘์ˆ˜์™€ ์Œ์ˆ˜๊ฐ€ ์„œ๋กœ ์ƒ์‡„๋˜์ง€ ์•Š๋„๋ก ๊ฐ ์˜ค์ฐจ๋ฅผ ์ œ๊ณฑํ•ฉ๋‹ˆ๋‹ค. (3) ์ œ๊ณฑํ•œ ์˜ค์ฐจ๋“ค์˜ ํ‰๊ท ์„ ๋‚ด์–ด MSE๋ฅผ ๊ตฌํ•ฉ๋‹ˆ๋‹ค. (4) ๋งˆ์ง€๋ง‰์œผ๋กœ ์ œ๊ณฑ๊ทผ์„ ์ทจํ•ด ์›๋ž˜ ๋‹จ์œ„๋กœ ๋˜๋Œ๋ฆฝ๋‹ˆ๋‹ค. ์˜ค์ฐจ๋ฅผ ์ œ๊ณฑํ•˜๊ธฐ ๋•Œ๋ฌธ์— ํฐ ์˜ค์ฐจ์— ๋” ํฐ ๊ฐ€์ค‘์น˜๊ฐ€ ์‹ค๋ฆฌ๋ฉฐ, ๊ทธ๋ž˜์„œ RMSE๋Š” MAE์— ๋น„ํ•ด ์ด์ƒ์น˜(outlier)์— ๋” ๋ฏผ๊ฐํ•ฉ๋‹ˆ๋‹ค.

$$\text{RMSE} = \sqrt{\frac{1}{n} \sum_{i=1}^{n} \left( \text{Actual}_i - \text{Predicted}_i \right)^2}$$

๊ด‘๊ณ 
์˜ค์ฐจ์—์„œ ์ œ๊ณฑ, ํ‰๊ท , ์ œ๊ณฑ๊ทผ๊นŒ์ง€ RMSE ๊ณต์‹์˜ ๋‹จ๊ณ„๋ฅผ ๋ณด์—ฌ์ฃผ๋Š” ํ‰๋ฉด ๋‹ค์ด์–ด๊ทธ๋žจ
๊ฐ ์˜ค์ฐจ๋ฅผ ์ œ๊ณฑํ•˜๊ณ  ํ‰๊ท ์„ ๋‚ธ ๋’ค ์ œ๊ณฑ๊ทผ์„ ์ทจํ•ด ๊ฒฐ๊ณผ๋ฅผ ์›๋ž˜ ๋‹จ์œ„๋กœ ๋˜๋Œ๋ฆฝ๋‹ˆ๋‹ค.

๊ณ„์‚ฐ ์˜ˆ์‹œ

์‹ค์ œ๊ฐ’ = [3, -0.5, 2, 7], ์˜ˆ์ธก๊ฐ’ = [2.5, 0.0, 2, 8]์ด๋ผ๊ณ  ๊ฐ€์ •ํ•ด ๋ด…์‹œ๋‹ค. ์˜ค์ฐจ๋Š” ๊ฐ๊ฐ \(0.5\), \(-0.5\), \(0\), \(-1\)์ž…๋‹ˆ๋‹ค. ์ด๋ฅผ ์ œ๊ณฑํ•˜๋ฉด \(0.25\), \(0.25\), \(0\), \(1\)์ด ๋˜๊ณ , ํ•ฉ์€ \(1.5\)์ž…๋‹ˆ๋‹ค. \(n = 4\)๋กœ ๋‚˜๋ˆ„๋ฉด \(\text{MSE} = 0.375\)๊ฐ€ ๋ฉ๋‹ˆ๋‹ค. ์—ฌ๊ธฐ์— ์ œ๊ณฑ๊ทผ์„ ์ทจํ•˜๋ฉด \(\text{RMSE} \approx 0.6124\)์ž…๋‹ˆ๋‹ค. MAE๋Š” \((0.5 + 0.5 + 0 + 1)/4 = 0.5\)๋กœ ๊ณ„์‚ฐ๋ฉ๋‹ˆ๋‹ค.

๊ด‘๊ณ 

์ถ”๊ฐ€ ํ’€์ด ์˜ˆ์ œ

๋‘ ์˜ˆ์ œ ๋ชจ๋‘ 5์ผ๊ฐ„์˜ ๊ธฐ์˜จ ์˜ˆ๋ณด๋ฅผ ยฐC ๋‹จ์œ„๋กœ ์‚ฌ์šฉํ•ฉ๋‹ˆ๋‹ค. ๊ฐ ์˜ค์ฐจ๋Š” \(e_i = \text{์‹ค์ œ}_i - \text{์˜ˆ์ธก}_i\)์ž…๋‹ˆ๋‹ค. ์ œ๊ณฑ ์˜ค์ฐจ๋กœ MSE์™€ RMSE๋ฅผ ๊ตฌํ•˜๊ณ , ์ ˆ๋Œ€ ์˜ค์ฐจ๋กœ MAE๋ฅผ ๊ตฌํ•ฉ๋‹ˆ๋‹ค. ๋‘ ๋ฐ์ดํ„ฐ ์„ธํŠธ๋Š” 5์ผ์งธ ๊ฐ’๋งŒ ๋‹ค๋ฅด๊ณ  ๋‚˜๋จธ์ง€๋Š” ๊ฐ™์œผ๋ฏ€๋กœ, ํฐ ์˜ˆ์ธก ์˜ค์ฐจ ํ•˜๋‚˜๊ฐ€ ๊ฐ ์ง€ํ‘œ์— ์–ด๋–ค ์˜ํ–ฅ์„ ๋ฏธ์น˜๋Š”์ง€ ํ™•์ธํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

์˜ˆ์ œ 1: ๋น„๊ต์  ์ •ํ™•ํ•œ ์˜ˆ๋ณด

์‹ค์ œ ๊ธฐ์˜จ: 20, 22, 25, 24, 21. ์˜ˆ์ธก ๊ธฐ์˜จ: 21, 20, 25, 27, 22.

์ผ ์‹ค์ œ (ยฐC) ์˜ˆ์ธก (ยฐC) ์˜ค์ฐจ \(e_i\) ์ œ๊ณฑ ์˜ค์ฐจ \(e_i^2\) ์ ˆ๋Œ€ ์˜ค์ฐจ \(|e_i|\)
1 20 21 โˆ’1 1 1
2 22 20 2 4 2
3 25 25 0 0 0
4 24 27 โˆ’3 9 3
5 21 22 โˆ’1 1 1
ํ•ฉ๊ณ„ 15 7
  1. ์ œ๊ณฑ ์˜ค์ฐจ์˜ ํ•ฉ: \(1 + 4 + 0 + 9 + 1 = 15\)
  2. MSE(ํ‰๊ท  ์ œ๊ณฑ ์˜ค์ฐจ): $$\text{MSE} = \frac{15}{5} = 3$$
  3. RMSE(ํ‰๊ท  ์ œ๊ณฑ๊ทผ ์˜ค์ฐจ): $$\text{RMSE} = \sqrt{3} \approx 1.7321$$
  4. MAE(ํ‰๊ท  ์ ˆ๋Œ€ ์˜ค์ฐจ): $$\text{MAE} = \frac{1 + 2 + 0 + 3 + 1}{5} = \frac{7}{5} = 1.4$$

๊ฒฐ๊ณผ: RMSE โ‰ˆ 1.7321 ยฐC์ด๊ณ  MAE = 1.4 ยฐC์ž…๋‹ˆ๋‹ค. ๋ชจ๋“  ์˜ค์ฐจ์˜ ํฌ๊ธฐ๊ฐ€ ๋น„์Šทํ•˜๊ธฐ ๋•Œ๋ฌธ์— ๋‘ ๊ฐ’์ด ๊ฐ€๊น์Šต๋‹ˆ๋‹ค(RMSE/MAE โ‰ˆ 1.24).

์˜ˆ์ œ 2: ๊ฐ™์€ ์˜ˆ๋ณด์— ํฐ ์˜ค์ฐจ ํ•œ ๊ฑด์ด ์žˆ๋Š” ๊ฒฝ์šฐ

5์ผ์งธ ์˜ˆ๋ณด๋งŒ 22 ยฐC ๋Œ€์‹  31 ยฐC์˜€๋‹ค๋Š” ์ ์„ ์ œ์™ธํ•˜๋ฉด ๋ชจ๋“  ๊ฒƒ์ด ๊ฐ™์Šต๋‹ˆ๋‹ค. ์‹ค์ œ ๊ธฐ์˜จ์€ ์—ฌ์ „ํžˆ 21 ยฐC์˜€์Šต๋‹ˆ๋‹ค.

์ผ ์‹ค์ œ (ยฐC) ์˜ˆ์ธก (ยฐC) ์˜ค์ฐจ \(e_i\) ์ œ๊ณฑ ์˜ค์ฐจ \(e_i^2\) ์ ˆ๋Œ€ ์˜ค์ฐจ \(|e_i|\)
1 20 21 โˆ’1 1 1
2 22 20 2 4 2
3 25 25 0 0 0
4 24 27 โˆ’3 9 3
5 21 31 โˆ’10 100 10
ํ•ฉ๊ณ„ 114 16
  1. ์ œ๊ณฑ ์˜ค์ฐจ์˜ ํ•ฉ: \(1 + 4 + 0 + 9 + 100 = 114\)
  2. MSE(ํ‰๊ท  ์ œ๊ณฑ ์˜ค์ฐจ): $$\text{MSE} = \frac{114}{5} = 22.8$$
  3. RMSE(ํ‰๊ท  ์ œ๊ณฑ๊ทผ ์˜ค์ฐจ): $$\text{RMSE} = \sqrt{22.8} \approx 4.7749$$
  4. MAE(ํ‰๊ท  ์ ˆ๋Œ€ ์˜ค์ฐจ): $$\text{MAE} = \frac{1 + 2 + 0 + 3 + 10}{5} = \frac{16}{5} = 3.2$$

๊ฒฐ๊ณผ: RMSE โ‰ˆ 4.7749 ยฐC์ด๊ณ  MAE = 3.2 ยฐC์ž…๋‹ˆ๋‹ค.

๋‘ ์˜ˆ์ œ ๋น„๊ต

์ง€ํ‘œ ์˜ˆ์ œ 1 ์˜ˆ์ œ 2 ์ฆ๊ฐ€๋Ÿ‰
MSE (ยฐCยฒ) 3 22.8 ร—7.6
RMSE (ยฐC) 1.7321 4.7749 +3.0428 (ร—2.76)
MAE (ยฐC) 1.4 3.2 +1.8 (ร—2.29)
RMSE รท MAE 1.24 1.49 โ€”

10 ยฐC ์–ด๊ธ‹๋‚œ ์˜ˆ๋ณด ํ•œ ๊ฑด์ด ์ „์ฒด ์ œ๊ณฑ ์˜ค์ฐจ 114 ์ค‘ 100, ์ฆ‰ ์•ฝ 88%๋ฅผ ์ฐจ์ง€ํ–ˆ์Šต๋‹ˆ๋‹ค. MAE๋Š” ์ด ์˜ค์ฐจ๋ฅผ ์ „์ฒด ์˜ค์ฐจ 16 ๋‹จ์œ„ ์ค‘ 10์œผ๋กœ ์…‰๋‹ˆ๋‹ค. RMSE๋Š” ํ‰๊ท ์„ ๋‚ด๊ธฐ ์ „์— ๊ฐ ์˜ค์ฐจ๋ฅผ ์ œ๊ณฑํ•˜๋ฏ€๋กœ, MAE๋ณด๋‹ค ํ›จ์”ฌ ๋งŽ์ด ์˜ฌ๋ž์Šต๋‹ˆ๋‹ค. RMSE๊ฐ€ MAE๋ณด๋‹ค ํ›จ์”ฌ ํฌ๋ฉด ๋ณดํ†ต ๋ช‡ ๊ฐœ์˜ ํฐ ์˜ค์ฐจ๊ฐ€ ์ ์ˆ˜๋ฅผ ์ขŒ์šฐํ•˜๊ณ  ์žˆ๋‹ค๋Š” ๋œป์ž…๋‹ˆ๋‹ค. ๋ชจ๋ธ ์ „์ฒด๊ฐ€ ๋‚˜์˜๋‹ค๊ณ  ํŒ๋‹จํ•˜๊ธฐ ์ „์— ์ด ๊ฐœ๋ณ„ ์ง€์ ๋“ค์„ ๋จผ์ € ์‚ดํŽด๋ณด์„ธ์š”.

๋‹จ์œ„: RMSE์™€ MAE๋Š” ๋ฐ์ดํ„ฐ์™€ ๊ฐ™์€ ๋‹จ์œ„์ธ ยฐC๋กœ ํ‘œ์‹œ๋ฉ๋‹ˆ๋‹ค. MSE๋Š” ยฐCยฒ๋กœ ํ‘œ์‹œ๋˜๋ฉฐ, ์ด ๋•Œ๋ฌธ์— RMSE๊ฐ€ ํ•ด์„ํ•˜๊ธฐ ๋” ์‰ฌ์šด ๊ฒฝ์šฐ๊ฐ€ ๋งŽ์Šต๋‹ˆ๋‹ค.

์ž์ฃผ ๋ฌป๋Š” ์งˆ๋ฌธ

RMSE๋Š” ์–ผ๋งˆ๋‚˜ ์ž‘์•„์•ผ ์ข‹์€ ๊ฐ’์ธ๊ฐ€์š”? ์ „์ ์œผ๋กœ ๋ฐ์ดํ„ฐ์˜ ์ฒ™๋„(scale)์— ๋”ฐ๋ผ ๋‹ฌ๋ผ์ง‘๋‹ˆ๋‹ค. RMSE๋ฅผ ๋ชฉํ‘œ ๋ณ€์ˆ˜์˜ ๋ฒ”์œ„๋‚˜ ํ‰๊ท ๊ณผ ๋น„๊ตํ•˜๊ฑฐ๋‚˜, ๊ธฐ์ค€์ด ๋˜๋Š” ๋ฒ ์ด์Šค๋ผ์ธ ๋ชจ๋ธ๊ณผ ๊ฒฌ์ฃผ์–ด ํŒ๋‹จํ•˜์„ธ์š”.

RMSE์™€ MAE๋Š” ์–ด๋–ป๊ฒŒ ๋‹ค๋ฅธ๊ฐ€์š”? RMSE๋Š” ํ‰๊ท ์„ ๋‚ด๊ธฐ ์ „์— ์˜ค์ฐจ๋ฅผ ์ œ๊ณฑํ•˜๋ฏ€๋กœ ํฐ ์˜ค์ฐจ์— ๋” ํฐ ๋ถˆ์ด์ต์„ ์ค๋‹ˆ๋‹ค. ๋ฐ˜๋ฉด MAE๋Š” ๋ชจ๋“  ์˜ค์ฐจ๋ฅผ ๋น„๋ก€์ ์œผ๋กœ ๋™์ผํ•˜๊ฒŒ ๋‹ค๋ฃน๋‹ˆ๋‹ค.

RMSE๊ฐ€ ์Œ์ˆ˜๊ฐ€ ๋  ์ˆ˜ ์žˆ๋‚˜์š”? ์•„๋‹™๋‹ˆ๋‹ค. RMSE๋Š” ์ œ๊ณฑํ•œ ๊ฐ’๋“ค์˜ ํ‰๊ท ์— ์ œ๊ณฑ๊ทผ์„ ์ทจํ•œ ๊ฒƒ์ด๋ฏ€๋กœ ํ•ญ์ƒ 0 ์ด์ƒ์˜ ๊ฐ’์„ ๊ฐ€์ง‘๋‹ˆ๋‹ค.

์ตœ์ข… ์—…๋ฐ์ดํŠธ:

์ˆ˜ํ•™ ๋ฐ ํ†ต๊ณ„ ์ธ๊ธฐ ๊ณ„์‚ฐ๊ธฐ

์ˆ˜ํ•™ ๋ฐ ํ†ต๊ณ„ ๊ณ„์‚ฐ๊ธฐ ์ „์ฒด ๋ณด๊ธฐ