20분
모델 비교: RMSE, MAE, Score Function
Day 4: RUL 예측 (잔여수명 예측)
모델 비교: RMSE, MAE, Score Function
설비 예지보전 > Day 4: RUL 예측 (잔여수명 예측)
학습 목표
- RMSE, MAE, NASA Score Function으로 모델을 비교할 수 있다
- 다양한 모델의 예측 결과를 시각화할 수 있다
- 최적 모델을 선정하는 기준을 이해한다
모델 비교 평가
NASA Score Function
CMAPSS 벤치마크의 공식 평가 지표. 늦은 예측(FN)에 더 큰 페널티를 부여한다.
[Score Function]
d = predicted_RUL - actual_RUL
if d < 0 (일찍 예측, 안전):
s = exp(-d/13) - 1
if d >= 0 (늦게 예측, 위험):
s = exp(d/10) - 1
Score = sum(s_i) → 낮을수록 좋음비대칭 페널티: 늦은 예측이 일찍 예측보다 더 나쁘다.
직접 채울 것
아래 코드를 model_comparison.py 로 저장하면 nasa_score 의 한 줄이 비어 있다.
위 정의를 그대로 옮겨 채운 뒤 실행하라. 채우기 전에 d = 0 일 때 점수가 얼마여야 하는지
먼저 손으로 계산해 보라. 다 채운 뒤 정답 코드와 대조한다.
에디터 로딩 중...
힌트 보기
- • NASA Score는 비대칭: 늦은 예측(d>0)이 일찍 예측(d<0)보다 페널티가 크다
- • d = 0 일 때 score 는 exp(0) - 1 = 0 이다. 1 이 아니므로 경계값 검증에서 헷갈리지 않는다
- • RMSE는 대칭 지표이므로 PdM에서는 Score Function이 더 현실적이다
- • 앙상블 모델이 일반적으로 Score가 가장 낮다 (최고 성능)
- • LSTM은 약간 보수적(일찍 예측)인 경향이 있어 PdM에 유리하다
정답 보기
에디터 로딩 중...
AI로 학습하기 — 꿀팁
NASA Score Function 구현 검증AI 학습 팁
AI에게 NASA Score Function 구현 코드가 조기 예측과 늦은 예측에 비대칭 패널티를 올바르게 부과하는지 경계값 테스트를 수행해달라고 요청하세요.
이 RUL 모델 비교 코드의 NASA Score Function 구현이 올바른지 검증해줘. 조기 예측(RUL 과대추정)과 늦은 예측(RUL 과소추정)에 서로 다른 지수 패널티가 적용되는지, 오차=0일 때 score가 exp(0)-1 = 0 이 되는지, 극단값(오차±50)에서 수치 오버플로우가 없는지 단위 테스트를 작성해줘.
이 팁이 도움이 됐나요?