정밀도와 재현율의 공식
정밀도 = TP / (FP + TP)
재현율 = TP / (FN + TP)
정밀도( = 양성 예측도) : 예측을 Positive로 한 대상 중에 예측과 실제 값이 Positive로 일치한 데이터의 비율
재현율( = 민감도, TPR) : 실제 값이 Positive인 대상 중에 예측과 실제 값이 Positive로 일치한 데이터의 비율
재현율이 중요 지표인 경우
- 실제 Positive 양성 데이터를 Negative로 잘못 판단하면 업무상 큰 영향이 발생하는 경우
ex) 암 판단 모델, 보험 사기
정밀도가 중요 지표인 경우
- 실제 Negative 음성 데이터를 Positive로 잘못 판단하면 업무상 큰 영향이 발생하는 경우
ex) 스팸메일 여부 판단 모델
재현율과 정밀도 모두 TP를 높이는데 동일하게 초점을 맞추지만, 재현율은 FN을 낮추는 데, 정밀도는 FP를 낮추는데 초점을 맞춤
이 같은 특성 때문에 재현율과 정밀도는 서로 보완적인 지표로 분류의 성능을 평가하는데 적용됨
가장 좋은 성능 평가 : 재현율과 정밀도 모두 높은 수치를 얻는 것
'Python, Jupyter 🐍 > [python]파이썬 머신러닝 완벽 가이드' 카테고리의 다른 글
[에러]`load_boston` has been removed from scikit-learn since version 1.2. (0) | 2023.05.02 |
---|---|
머신러닝 개요 (0) | 2023.04.28 |
2장 사이킷런으로 시작하는 머신러닝 (0) | 2023.04.21 |
정밀도와 재현율의 공식
정밀도 = TP / (FP + TP)
재현율 = TP / (FN + TP)
정밀도( = 양성 예측도) : 예측을 Positive로 한 대상 중에 예측과 실제 값이 Positive로 일치한 데이터의 비율
재현율( = 민감도, TPR) : 실제 값이 Positive인 대상 중에 예측과 실제 값이 Positive로 일치한 데이터의 비율
재현율이 중요 지표인 경우
- 실제 Positive 양성 데이터를 Negative로 잘못 판단하면 업무상 큰 영향이 발생하는 경우
ex) 암 판단 모델, 보험 사기
정밀도가 중요 지표인 경우
- 실제 Negative 음성 데이터를 Positive로 잘못 판단하면 업무상 큰 영향이 발생하는 경우
ex) 스팸메일 여부 판단 모델
재현율과 정밀도 모두 TP를 높이는데 동일하게 초점을 맞추지만, 재현율은 FN을 낮추는 데, 정밀도는 FP를 낮추는데 초점을 맞춤
이 같은 특성 때문에 재현율과 정밀도는 서로 보완적인 지표로 분류의 성능을 평가하는데 적용됨
가장 좋은 성능 평가 : 재현율과 정밀도 모두 높은 수치를 얻는 것
'Python, Jupyter 🐍 > [python]파이썬 머신러닝 완벽 가이드' 카테고리의 다른 글
[에러]`load_boston` has been removed from scikit-learn since version 1.2. (0) | 2023.05.02 |
---|---|
머신러닝 개요 (0) | 2023.04.28 |
2장 사이킷런으로 시작하는 머신러닝 (0) | 2023.04.21 |