Accuracy, Recall, Precision, f1-score

Confusion Matrix를 통해 Accuracy, Recall, Precision, f1-score를 구할 수 있다.

이 4개의 지표는 아래의 4개 값에서 출발

• TP (True Positive)
• TN (True Negative)
• FP (False Positive)
• FN (False Negative)

Accuracy

전체 중에서 몇 개를 맞췄는가, 정답 개수 / 전체 개수

Precision

Positive라고 예측한 것 중에서 실제로 맞은 비율
(전체 positive라고 예측한 것들 중 맞춘 비율)

Recall

실제 Positive인 것들 중에서 얼마나 잘 찾아냈는가
(찾아냈어야 하는 Positive 중에 얼마나 맞췄는지)

f1-score

• Precision과 Recall의 균형
• 희귀한 positive 클래스를 얼마나 잘 잡는지를 더 잘 보여줌

from sklearn.metrics import confusion_matrix, accuracy_score, precision_score, recall_score, f1_score

cm = confusion_matrix(y_true, y_pred)
acc = accuracy_score(y_true, y_pred)
prec = precision_score(y_true, y_pred)
rec = recall_score(y_true, y_pred)
f1 = f1_score(y_true, y_pred)

print(cm)
print("Accuracy:", acc)
print("Precision:", prec)
print("Recall:", rec)
print("F1:", f1)