이를 통해 단순한 손실이 대략 85.58이라는 것을 알 수 있습니다. 항상 22.77을 출력하는 모델을 만든다면, 이 모델은 테스트 데이터에서 85.58의 MSE를 달성할 것입니다. 여기에서도 부적절한 편향을 피하기 위해 훈련 데이터에서 평균을 계산하고 테스트 데이터에서 평가했습니다.

평균 제곱 오차가 85.58이므로 평균 오차를 얻기 위해 제곱근을 취할 수 있습니다. 85.58의 제곱근은 약 9.25입니다. 따라서 (상수) 예측 값이 평균적으로 9.25만큼 (높거나 낮게) 벗어날 것이라고 말할 수 있습니다. 표 2-1에 따라 이 값은 1,000달러 단위이므로 일정하게 평균으로 예측하면 약 9,250달러만큼 차이가 날 것입니다. 이 값이 애플리케이션에 충분히 만족스럽다면 여기서 멈출 수 있습니다! 현명한 머신 러닝 기술자는 불필요한 복잡성을 피할 때를 알아야 합니다. 가격 예측 애플리케이션이 이보다 더 좋아야 한다고 가정해 보죠. 이 데이터에서 선형 모델을 훈련하여 85.58보다 나은 MSE를 달성할 수 있는지 알아보겠습니다.