모델 : 머신러닝에서 어떠한 문제를 해결하는 시스템.
문제의 유형에 따라 성능을 측정할 수 있는 지표가 다름.
회귀분석 모델의 성능 측정
회귀(Regeression)분석의 성능 지표
MSPE : 정답과 예측값 차의 제곱 가중함
R Square : MSE / 데이터셋의 분산
Adjusted R Square : R Square 값에 input feature의 개수 패널티 가중치를 준 값
분류분석 모델의 성능 측정
분류(Classification)분석의 성능 지표
Precision : 정밀도. 모델에서 모델에서 정답이 아닌 것을 얼마나 잘 걸러내는가를 보여주는 지표.
Recall : 재현율. 모델에서 실제 정답을 얼마나 많이 선택하는가를 보여주는 지표.
* Recall이 중요한 경우
- Test 데이터가 Positive인 데이터를 Negative로 잘못하게 되면 업무상 큰 영향이 발생하는 경우.
- Classfication의 경우, 대부분이 검출하고자 하는 경우가 Minor.
- 대부분의 케이스에서 Precision보다 중요한 지표.
- ex) 보험사기 검출, 금융사기 검출, 어뷰징 검출, 질병 검출, Etc.
'프로젝트 > 코드프레소 체험단' 카테고리의 다른 글
| 시각화를 위한 Matplotlib 활용하기 (0) | 2022.01.16 |
|---|---|
| 파이썬으로 구현하는 머신러닝 : 회귀분석 - 회귀의 이해 (0) | 2022.01.16 |
| 딥러닝 첫 걸음 시작하기! - 완강후기 (0) | 2022.01.15 |
| 딥러닝 첫 걸음 시작하기! - 딥러닝의 태동과 퍼셉트론 (0) | 2022.01.15 |
| 딥러닝 첫 걸음 시작하기! - 머신러닝 (0) | 2022.01.14 |