매트릭스를 통한 데이터 모델 평가 기법, 혼동행렬(Confusion Matrix)

 

 

예측값과 실제값의 일치여부로 모델을 평가하는 혼동 행렬(Confusion Matrix)란?

 

- 데이터 예측, 분류 모델을 평가하기 위해 예측값과 실제값의 일치여부를 행렬로 표현해 평가 메트릭을 도출하는 데이터 모델 평가 기법.

 

혼동 행렬(Confusion Matrix)

 

예측값과 실제값의 일치여부로 매트릭스 도출

 

혼동행렬 메트릭

•  
• Precision(정밀도) : TP / TP + FP (PPV(Positive Predict Value), 참이라고 예측한 것 중에 실제로 맞춘 것)
• Accuracy(정확도) : TP + TN / TP + FP + FN + TN (전체 건 중 실제 결과를 맞춘 것)
    *오차비율(Error Rate) : FP + FN / TP + FP + FN + TN (1-Accuracy)
• Sensitivity(or Recall, 민감도) : TP / TP + FN (TPR(True Positive Ratio), 실제 참으로 나온 값 중 몇 개를 맞췄는지에 대한 비율)
• Specificity(특이도): TN / TN + FP (TNR(True Negative Ratio), 실제 거짓 중 거짓을 맞춘 비율)

 

수신자 조작 특성 바로가기

•  
• 민감도(Sensitivity) / 특이도(Specificity) 도표로써 기계 학습 모델의 시각화에 유용, 완벽한 분류기(Perfect Classifier)는 민감도=1 / 특이도=0인 직선

 

 

다른 글 같이 보기

2021/02/10 - [IT Contents/빅데이터와 인공지능] - 정보의 홍수에서 살아남기, 패스트 데이터(Fast Data)

2021/02/11 - [IT Contents/IT는 미래를 어떻게 바꿀까] - 바다에 떠다니는 쓰레기를 탐지하는 말릿(Marlit)

2021/02/12 - [IT Contents/IT는 미래를 어떻게 바꿀까] - AI가 이메일 답장까지 해준다?

2019/02/12 - [IT Contents/디지털 서비스 및 신기술] - 양자 컴퓨터의 기반이 되는 양자역학의 원리

2019/02/14 - [IT Contents/디지털 서비스 및 신기술] - 로봇과 사람의 공존을 위한 협동로봇(Collaborative robot)

2019/02/01 - [IT Contents/디지털 서비스 및 신기술] - 집적회로 한계 극복, 양자컴퓨터

2019/02/02 - [IT Contents/빅데이터와 인공지능] - 학습데이터 부족현상 해결법, 전이학습(Transfer Learning)

 

이 포스트는 IT토픽의 주요 내용과 핵심 키워드를 간략히 설명하는 것이 목적으로, 디테일한 내용에 대해서는 깊이 다루지 않습니다.