혼동 행렬
평가 방식
Accuracy(정확도) : 실제값과 예측값의 일치 비율
precision(정밀도) : 암이라고 예측한 값중 실제 암일 확률
recall(재현율) : 실제 암인 값중 예측도 암인 확률
F1 : 정밀도와 재현율 조화 평균
ROC : 참 양성 비율에 대한 거짓 양성 비율 곡선
AUC : ROC 곡선 면적 아래(전부 분류할 시 AUC 1)
Accuracy
from sklearn.metrics import accuracy_score
accuracy_score(y_test, pred)
Precision
from sklearn.metrics import precision_score
precision_score(y_test, pred)
Recall
from sklearn.metrics import recall_score
recall_score(y_test, pred)
F1
from sklearn.metrics import f1_score
f1_score(y_test, pred)
ROC / AUC
from sklearn.metrics import roc_auc_score
model = XGBClassifier(random_state = 0, use_label_encoder = False, eval_metric = 'logloss')
model.fit(x_train, y_train)
pred = model.predict_proba(x_test)
pred
roc_auc_score(y_test, pred[:, 1])
- ROC의 경우 predict의 결과 값인 0, 1이 아니라
proba를 이용해 확률을 사용함
- pred = model.predict_proba(x_test)
