Quantile Loss는 Quantile Regression시 사용하는 Loss Function이다.

Quantile Loss는 Quantile Regression시 사용하는 Loss Function이다.
Photo by Zhu Hongzhi / Unsplash
  • Quantile Loss는 Quantile Regression처럼 Predicted Value의 Quantile을 구하고자 할 때 사용되는 Loss Function이다.
  • 변수의 75번째 Quantile을 예측하는 것이 목표인 문제를 예로 든다면, 이는  75%의 경우 예측 오차가 음수여야 하고 나머지 25%는 양수여야 한다는 말과 동일하다.
  • 기본적으로 이러한 경우 Quantile Loss 는 과소 추정된 예측에 대해 과대 추정된 것보다 4배 더 많은 패널티를 준다. 이렇게 하면 모델이 과소 추정된 오류에 더 민감하게 반응하여 더 높은 값을 더 자주 예측하게 됩니다. 결과적으로 적합 모델은 평균적으로 약 80%의 경우 결과를 과대 추정하고 20%의 경우 과소 추정한다.
  • 조금 더 예를 들어보면 Target Value가 40이고, Predicted Value가 30, 50이고 우리가 80th Quantile을 구한다고 하면 Absolute Error는 둘다 10이더라도 Quantile Loss는 다르게 계산될 수 있다.
    • $l(40,30) = 0.8 * 10 = 8$
    • $l(40,50) = 0.2 * 10 = 2$

References

Read more

[책]Reshuffle: Who wins when AI restacks the knowledge economy

[책]Reshuffle: Who wins when AI restacks the knowledge economy

원래는 Amazon에 가서 Personal Knowledge Managment에 관한 책을 사려고 했다. Sketch Your Mind라는 책이었는데, 그 때 이 책 “Reshuffle”을 발견하였다. AI가 어떻게 Knowledge Economy를 흔들 것가? 라는 부제를 훑어보면서 저자가 쓴 다른 책을 보게 되었는데 거기에 내가 좋아했던 책을쓴 저자라는 것을 알게 되었다. 그래서 크게 고민하지 않고 구매를 하고

By Bongho, Lee
[책]올라운드투자, 누군가의 투자일기

[책]올라운드투자, 누군가의 투자일기

“올라운드 투자”라는 제목을 보았을 때는, “올라운드 플레이어”가 생각이 났다. “올라운드”라는 표현을 오랜만에 들어본 까닭이었다. 그럼에도 불구하고 이 책을 고른 것은 저자가 그간 보여준 컨텐츠에 대한 신뢰가 있던 까닭이었다. 컨텐츠를 다양하게 보는 편이지만 깊이가 아주 있지는 않았다. 여기서 깊이라 함은 기존 전문적인 정량적 분석의 내용의 수준을 말하는 것이다.

By Bongho, Lee
내가 놓치고 있던 미래, 먼저 온 미래를 읽고

내가 놓치고 있던 미래, 먼저 온 미래를 읽고

장강명 작가의 책은, 유학시절 읽고 처음이었다. 유학시절 "한국이 싫어서"라는 책은 동기부여가 상당히 되는 책이었다. 한국을 떠나 새로운 정채성을 학생으로서 Build up 해나가고 있던 상황에서 이 책은 제목부터 꽤 솔깃하였다. 물론 결말이 기억날 정도로 인상깊은 책은 아니었지만 말이다. 그렇게 시간이 흘러 장강명 작가의 책은 더 이상 읽지 않던

By Bongho, Lee