MSE와 MAE

학습시의 에러를 평가할 때 에러의 값이 서로 상쇄되는 것을 방지하기 위해
MSE, MAE 등을 사용한다.

MSE(Mean Squared Error)는 에러의 값의 제곱을 하여 음의 수를 없앤다.

위의 그림처럼 MSE의 경우 a의 변화에 더 민감하게 반응하여
이상치와 가깝게 지나가는 모델을 만든다.

MAE(Mean Absolute Error)는 에러의 값을 절대값으로 만들어 음의 수를 없앤다.

반면 MAE는 a의 값에 선형적으로 변화하여
데이터의 전체적인 흐름에 맞는 모델을 생성한다.