분류모델 평가지표에 대하여

분류모델 평가지표에 대하여 알아본 글입니다.

안녕하세요!

오늘은 분류모델 평가지표에 대하여 알아보겠습니다.

분류 모델의 성능을 평가하기 위한 여러 가지 지표가 있습니다.

정확도 (Accuracy)

정확도는 전체 예측 중 올바르게 예측한 비율을 나타내며, (TP + TN) / (TP + TN + FP + FN)으로 계산됩니다.

이는 모델이 올바르게 예측한 샘플의 비율을 나타냅니다. 하지만 불균형한 클래스 분포에서는 적절한 지표가 아닐 수 있습니다.

정밀도 (Precision)과 재현율 (Recall)

정밀도는 모델이 Positive로 예측한 것 중에서 실제로 Positive인 비율을 나타내며, TP / (TP + FP)으로 계산됩니다.

재현율은 실제로 Positive인 것 중에서 모델이 Positive로 예측한 비율을 나타내며, TP / (TP + FN)으로 계산됩니다.

정밀도는 거짓 긍정을 줄이는 데 초점을 두고, 재현율은 거짓 부정을 줄이는 데 초점을 둡니다.

F1 점수 (F1 Score)

F1 점수는 정밀도와 재현율의 조화 평균으로, 2 _ (정밀도 _ 재현율) / (정밀도 + 재현율)로 계산됩니다.

이는 정밀도와 재현율이 균형을 이루고 있는지를 나타내는 지표입니다.

ROC 곡선과 AUC

ROC(Receiver Operating Characteristic) 곡선

모델의 분류 성능을 나타내는 그래프로, 재현율에 대한 거짓 긍정 비율(FPR)의 곡선을 나타냅니다.

AUC(Area Under the Curve)

ROC 곡선 아래의 면적으로, 모델의 성능을 종합적으로 평가하는 지표입니다.

혼동 행렬 (Confusion Matrix)

이원 분류에서 실제 클래스와 모델의 예측값을 표로 나타낸 것으로, TP, TN, FP, FN을 나타내어 모델의 분류 성능을 상세하게 평가하는 데 사용됩니다.

활용

이러한 평가 지표들은 모델의 성능을 종합적으로 평가하고, 모델의 각각의 성능을 이해하는 데 활용됩니다.

마치며

분류 모델의 평가 지표를 종합적으로 고려하여 모델의 성능을 정확하게 평가하고, 모델의 성능을 개선하는 데 활용됩니다.

감사합니다!