정확도 지표

1. 가능한 클래스 결과 값 chart

정확도 지표에서 가능한 클래스 결과 값들에 대해서 이해가 되지 않는 부분이 있을 것으로 판단되어 하기와 같이 정리하였다.

---

여러 음식에 대하여 '빵이다'와 '빵이 아니다'를 구분한다고 하자.

• 각 클래스는 TP, FN, FP, TN으로 나뉘어 진다.
• 이에 대하여, 두 단어 중 앞 단어는 결과, 뒤 단어는 가정이라고 생각하면 쉽다.

▶ '바게트'를 '빵이다'로 구분했다면, 이는 TP (true positive)라고 한다.
→ '맞다(True), 빵(Positive)으로 구분했다'라는 것이)

▶ '바게트'을 '빵이 아니다'로 구분했다면, 이는 FN (false negative)라고 한다.
→ '틀렸다(False), 빵이 아니다(Negative)로 구분했다'라는 것이)

▶ '사과'를 '빵이다'으로 구분했다면,이는 FP (false positive)가 된다.
→ 틀렸다(False), 빵이 아니다(Negative)로 구분했다'라는 것이)

▶ '사과'를 '빵이 아니다'로 구분했다면, 이는 TN (true negative)라고 한다.
→ '맞다(True), 빵이 아니다(Negative)로 구분했다'라는 것이)

위를 도표로 정리하면 다음과 같이 된다.

이해가 되지 않는 다면 하기 링크를 추천한다.
https://johngrib.github.io/wiki/two-type-error/

---

2. 정확도, 민감도, 특이도, 정밀도, 재현율

1. 정확도 (accuracy)
   • 참긍정과 부정들의 합을 전체 예제의 개수로 나눈 값
2. 민감도 (sensitivity)
   • 실제 긍정 예제들 중에서 긍정이라고판별된 부분의 비율
3. 특이도 (specificity)
   • 실제 부정 예제들 중에서 부정이라고판별된 부분의 비율
4. 정밀도 (precision)
   • 실제 긍정이라고 판별난 부분 중 실제 긍정 예제들의 비율
5. 재현율 (recall) = 민감도
   • 실제 긍정이라고 판별난 부분 중 실제로 긍정의 비율

---