모델 성능 평가(분류)

[KT] AIVLE SCHOOL 7일차

 

분류 모델 평가

• 분류 모델은 0인지 1인지를 예측하는 것
• 실제 값도 0과 1이고 예측 값도 0과 1
• 하지만 0을 1로 예측하거나 1을 0으로 예측할 수 있음
• 예측 값이 실제 값과 많이 같을 수록 좋은 모델이라 할 수 있음
• 정확히 예측한 비율로 모델 성능을 평가
  • 정확도를 높여야 함

혼동행렬

• TN(True Negative, 진음성): 음성으로 잘 예측한 것 (음성을 음성이라고 예측)
• FP(False Positive, 위양성): 양성으로 잘못 예측한 것 (음성을 양성이라고 예측)
• FN(False Negative, 위음성): 음성으로 잘못 예측한 것 (양성을 음성이라고 예측)
• TP(True Positvie, 진양성): 양성으로 잘 예측한 것 (양성을 양성이라고 예측)

• 정확도(Accuracy) (정분류율)
  
  • 1과 0을 정확히 예측한 비율

    

• 정밀도(Precision)
  • 1이라고 예측한 것 중에서 실제로 1인 비율

    

• 재현율(Recall) (민감도)
  • 실제로 1인 것을 1이라고 예측한 비율

    

  • 정밀도와 재현율은 trade-off 관계
• F1-Score
  • 정밀도와 재현율의 조화 평균 

    

  • 분자가 같지만 분모가 다를 경우, 즉 관점이 다른 경우 조화 평균이 큰 의미를 가짐
  • 정밀도와 재현율이 적절하게 요구될 때 사용