[머신러닝 기초] 15일차 #3

🔸날짜🔸

2021.08.10(화)

 

🔸제목🔸

[34] 분류 모델 지표의 의미와 계산법 : True Positive, False Posivite, True Negative, False Negative

 

🔸내용🔸

metric

학습 완료된 모델의 성능이 얼마나 되는지 숫자로 표현

학습 모델에 따라 살펴봐야하는 지표도 달라짐.

 

분류의 metric

1) True Positive(TP)

모델이 예측한 게 True이면서 예측이 맞았을 때

2) False Positive(FP)

모델이 예측한 게 True이면서 예측이 틀렸을 때

3) False Negative(FN)

모델이 예측한 게 False이면서 예측이 틀렸을 때

4) True Negative(TN)

모델이 예측한 게 False이면서 예측이 맞았을 때

 

1) Accuracy

모델이 맞춘 경우는 얼마나인지 (TP+TN / TP+FP+FN+TN)

2) Precision

모델이 True로 예측한 것 중에서 진짜 맞춘 게 얼마나인지 (TP / TP+FP)

3) Recall

원래 데이터가 True인 것 중에서 진짜 맞춘 게 얼마나인지 (TP / TP+FN)

4)F1 Score

Precision과 Recall의 중간값 (2*(precision*recall) / (precision+recall))