Lee Hyun Ji

🌠공부기록 보관소

  • 📜 전체 글 수 262개

    • TIL

    👀Today I LearnPermalink

    혼동행렬(Confusion Matrix)Permalink

        예측  
        양성(Posivtive) 음성(Negative)
    실제 T/F TP (True Positive) FN (False Negative)
      F/T FP (False Positive) TN (True Negative)
    • TP(True Positive) : 악당이라고 예측한 사람이 실제 악당인 경우
    • TN(True Negative) : 착한 사람이라고 예측한 사람이 실제 착한 사람인 경우
    • FP(False Positive) : 악당이라고 예측한 사람이 실제로는 착한 사람인 경우
    • FN(False Negative) : 착한 사람이라고 예측한 사람이 실제로는 악당인 경우

    정분류율Permalink

    • 전체 데이터 중 정확하게 예측한 데이터의 비율
    \[\frac{TP+TN}{TP+FN+FP+TN}\]

    - 정확도(Accuracy)Permalink

    • 얼마나 잘 맞춰는지
    \[TP+TN\]
    • 정확도가 정확하지 않은 이유
      • 데이터셋의 값이 불균형한 경우에 정확도는 좋은 측정이 불가
      • 악당 90명과 착한 사람이 10명 있는 경우, 머신러닝이 모든 사람이 악당이라고 예측할 경우 정확도는 90%가 됨.

    오분류율Permalink

    • 전체 데이터 중 잘못 예측한 데이터의 비율
    \[\frac{FN+FP}{TP+FN+FP+TN}\]

    정밀도(Precision)Permalink

    • 참이라고 예측한 것 중에 실제 참인 정도
    \[\frac{TP}{TP+FP}\]

    민감도(Sensitivity), 재현율(Recall)Permalink

    • 실제값이 참인 관측값 중 참이라고 바르게 예측한 정도
    \[\frac{TP}{TP+FN}\]

    특이도(Specificity)Permalink

    • 실제값이 거짓인 관측값 중 거짓으로 바르게 예측한 정도
    \[\frac{TN}{TP+FN}\]



    💡Today I ThoughtPermalink

    오늘의 체크리스트Permalink

    • 알고리즘 코드카타 4문제
    • 백준 문제 2문제
    • TIL 작성

    회고Permalink

      스탠다드반에서 수업으로 진행된 혼동행렬. 너무 헷갈린당.. 써놓은 지금도 맞는지 몰라서 나중에 다시 수정할수도..👀

    댓글남기기

    참고