AI 부트캠프 33일차

학습목표

Warm-up : Introduction to the Confusion Matrix in Classification

Warm-up : Precision, Recall & F-Measure

모델성능평가방법 : 분류 or 회귀에 따라 다름

Simple Accuracy(맞게 측정한 sample 수 / 전체 sample 수)

좋지 않음
ex) 100개의 sample : 99개가 yes, 1개가 no
모두 yes로 예측하는 모델의 정확도 : 99%
이지만 실제로 좋은 모델이라고 할 수 없다
-> Precision, Recall F-beta score 사용

Precision & Recall

Precision
relevant = positive

Recall

F-beta Score

$\beta$를 키우면 recall의 영향을 더 많이 받음

• 낮은 $\beta$
  나이키신발분류(나이키신발인지아닌지)문제
  스팸메일
  높은 precision 필요
• 높은 $\beta$
  암분류문제(암인지아닌지)
  높은 recall 필요

F-beta Score는 $\beta = 1$ 일 때, precision과 recall을 동일가중치로 둠
: precision과 recall의 조화평균