혼동 행렬: 두 판 사이의 차이

IT위키
편집 요약 없음
편집 요약 없음
3번째 줄: 3번째 줄:
;머신러닝 예측, 분류 모델의 학습 성능 평가를 위한 표현 모델
;머신러닝 예측, 분류 모델의 학습 성능 평가를 위한 표현 모델


== 혼동 행렬 ==
{| class="wikitable"
{| class="wikitable"
| rowspan="2" colspan="2" style="text-align: center;" | 구분
| rowspan="2" colspan="2" style="text-align: center;" | 구분

2020년 1월 6일 (월) 00:52 판

Confusion matrix
머신러닝 예측, 분류 모델의 학습 성능 평가를 위한 표현 모델

혼동 행렬

구분 예상 값
Positive Negative
실제 값 Positive TP FN
Negative TN TN

평가

평가지표 설명
정밀도(Precision) 양성으로 예측된 결과의 정확한 예측의 비율을 의미하는 모델의 성능 지표
재현율(Recall) 실제 양성 중 모델이 정확하게 양성으로 예측한 비율을 나타내는 모델의 성능 지표
F1-Score 정밀도와 재현율의 조화평균

정밀도

Precision
  • 𝑻𝑷 / (𝑭𝑷 + 𝑻𝑷)
  • 분자: 실제 Positive를 잘 판단한 경우
  • 분모: 예측을 Positive로 한 모든 경우
  • 잘못된 Positive를 줄이는 데에 초점
  • ex) 스팸메일 분류
    • 스팸을 스팸메일로 분류하지 않는 것(FN)은 큰 문제가 없음
    • 스팸메일이 아닌 것을 스팸메일로 분류하면(FP) 업무 차질 발생
    • 이와 같이 FN보단 FP를 줄이는 것이 중요한 경우 정밀도 사용

재현율

Recall; Sensitivity; True Positive Rate
  • 𝑻𝑷 / (𝑭𝑵 + 𝑻𝑷)
  • 분자: 실제 Positive를 잘 판단한 경우
  • 분모: 실제 값이 Positive인 모든 경우
  • ex) 악성코드 판별
    • 악성코드가 아닌데 악성코드로 분류하면(FP) 사용자가 확인하고 예외처리 하면 됨
    • 악성코드인데 악성코드가 아닌 것으로 분류하면(FN) 악성코드에 감염되어 위험 노출
    • 이와 같이 FP보단 FN를 줄이는 것이 중요한 경우 재현율 사용

F1-Score

  • 정밀도와 재현율이 모두 중요한 경우
  • 둘을 따로 볼 경우 Trade-off 관계가 발생하여 판단 어려움
  • 이 경우 둘을 조화평균한 F1-Score 사용

Fb Score.png F1 Score.png

  • F1-Score는 정밀도와 재현율을 동등하게 계산한 경우이며
  • 정밀도에 더 가중치를 주고 싶은경우 β를 1 이상으로 입력
  • 재현율에 더 가중치를 주고 싶은경우 β를 0~1로 입력