문제 최종 검수

BG 빅데이터 모델링 통계 분석기법 시계열 분석

10262번

문제

보기

입력된 내용이 없습니다.

선택지1

선택지2

선택지3

선택지4

정답

키워드

해설

비기봇 해설

정답은 4번입니다.

시계열 예측에서 오차 지표는 예측 성능을 수치로 평가하기 위한 핵심 도구이며, 각 지표는 계산 방식과 해석에 차이가 있습니다. 특히 절댓값을 사용하는지, 제곱을 사용하는지를 구분하는 것이 중요합니다.

1. MAE(Mean Absolute Error)는 예측값과 실제값의 차이에 대한 절댓값을 구한 뒤, 이를 평균하여 산출하는 오차 지표이다.
: MAE는 \\(\\frac{1}{n}\\sum_{i=1}^{n} |y_i-\\hat{y}_i|\\) 형태로 계산되며, 오차의 크기를 직관적으로 해석할 수 있는 지표입니다.

2. RMSE(Root Mean Squared Error)는 예측 오차를 제곱한 값들의 평균을 구한 후, 그 결과에 제곱근을 취하여 계산하는 오차 지표이다.
: RMSE는 \\(\\sqrt{\\frac{1}{n}\\sum_{i=1}^{n} (y_i-\\hat{y}_i)^2}\\) 로 계산되며, 큰 오차에 더 큰 패널티를 부여하는 특성이 있습니다.

3. MAPE(Mean Absolute Percentage Error)는 실제값을 분모로 사용하여 오차 비율을 계산하므로, 실제값이 0이거나 0에 매우 가까운 경우 계산이 불가능하거나 왜곡될 수 있다.
: MAPE는 \\(\\frac{1}{n}\\sum_{i=1}^{n} \\left|\\frac{y_i-\\hat{y}_i}{y_i}\\right|\\times100\\) 으로 계산되며, 실제값이 0인 경우 정의되지 않는 문제가 존재합니다.

4. MSE(Mean Squared Error)는 예측값과 실제값의 차이에 대한 절댓값을 단순히 모두 합산하여 계산하는 오차 지표이다.
: MSE는 절댓값의 합이 아니라 오차를 제곱한 값의 평균으로 계산됩니다. 절댓값을 합산하는 방식은 MAE와 관련된 개념이므로, 이 설명은 MSE의 정의와 맞지 않습니다.

시계열 오차 지표에서 MAE는 절댓값 기반, MSE·RMSE는 제곱 기반, MAPE는 비율 기반 지표입니다. 각 지표는 데이터 특성과 분석 목적에 따라 선택되어야 하며, 정의를 혼동하지 않는 것이 중요합니다.

따라서, 정답은 '4. MSE(Mean Squared Error)는 예측값과 실제값의 차이에 대한 절댓값을 단순히 모두 합산하여 계산하는 오차 지표이다.'입니다.

1차 검수 상태 :

입력 데이터

문제 최종 검수

수정 가능 범위 확인