confusion matrix
• 모델의 성능을 측정하고 평가하기 위해 사용되는 함수 • 모델의 예측 결과와 실제 값 사이의 차이를 측정하여 모델의 정확성, 정밀도, 재현율 등을 평가
정확도 (Accuracy)
예측 결과가 실제 값과 일치하는 비율을 계산합니다
(TP+TN)/(TP+FP+FN+TN)
정밀도 (Precision)
양성으로 예측한 샘플 중에서 실제로 양성인 비율을 계산합니다. 거짓 양성(FP)을 줄이는 데 초점을 맞춥니다
(TP)/(TP+FP)
재현율 (Recall 또는 Sensitivity)
실제 양성인 샘플 중에서 양성으로 예측한 비율을 계산합니다. 거짓 음성(FN)을 줄이는 데 초점을 맞춥니다[ (TP)/(TP+FN) ].
F1 점수 (F1 Score)
정밀도와 재현율의 조화 평균으로 계산되며, 정밀도와 재현율의 균형을 고려합니다.
AUC-ROC
이진 분류 문제에서 모델의 분류 성능을 평가하는데 사용되며, ROC 곡선의 면적을 계산합니다.
그외 분류문제
로그 손실 (Log Loss, Cross Entropy)
- logloss 참고.
다중 클래스 분류 문제에서 모델의 예측 확률과 실제 클래스의 원-핫 인코딩 값을 비교하여 모델의 성능을 측정합니다.
지니계수 (gini-index)
- gini 참고.
그외 회귀문제
평균 제곱 오차 (Mean Squared Error, MSE)
회귀 문제에서 예측 값과 실제 값 사이의 평균 제곱 오차를 계산합니다.
R2 점수 (R-squared)
회귀 문제에서 예측 값이 실제 값의 변동성을 얼마나 설명하는지를 측정합니다.