[파이썬] XGBRegressor 모델 성능 평가 지표 - 결정계수, RMSE, MAPE

XGB Regressor 성능 평가 지표

---

XGBRegressor 모델 성능 평가 지표 - 결정계수, RMSE, MAPE

---

들어가며

---

XGBRegressor를 활용하여 모델을 생성했다면, 모델의 성능을 평가해야 합니다. 결정계수, RMSE, MAPE 등을 출력하는 방법을 소개합니다. 내장 데이터셋인 iris를 예제로 사용합니다.

---

모델 성능 평가 지표

---

예제 데이터로 sklearn의 iris 데이터를 활용하겠습니다.

from sklearn.datasets import load_iris
import pandas as pd

iris = load_iris()
df_iris = pd.DataFrame(iris.data, columns=iris.feature_names)
print(len(df_iris))
df_iris.head()

df_iris.head

---

임의로 sepal length를 예측 변수로 설정하고, train_test_split으로 train 데이터셋과 test 데이터셋으로 분리합니다. 분리한 train 데이터셋인 X_train, y_train으로 XGBRegressor 모델을 생성합니다.

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(df_iris.drop(['sepal length (cm)'], axis=1), df_iris['sepal length (cm)'], test_size=0.2, random_state=156)

from xgboost import XGBRegressor
xgb_reg = XGBRegressor()
xgb_reg.fit(X_train, y_train)

반응형

---

sklearn의 metrics로 결정계수, RMSE, MAE, MAPE를 출력합니다.

from sklearn.metrics import r2_score, mean_squared_error, mean_absolute_error, accuracy_score, mean_absolute_percentage_error

y_pred = xgb_reg.predict(X_test)

print("R2: {:.2f}".format(r2_score(y_test, y_pred)))
print("R2: {:.2f}".format(xgb_reg.score(X_test, y_test)))
print("rmse: {:.2f}".format(mean_squared_error(y_test, y_pred, squared = False))) # squared=True: mse를 의미
print('mae: {:.2f}'.format(mean_absolute_error(y_test, y_pred)))
print('mape: {:.2f}'.format(mean_absolute_percentage_error(y_test, y_pred)))

r2, rmse, mae, mape

---