-
머신러닝 분류 모델의 성능 측정 방법 - Probably Approximately Correct (PAC) - TP, TN, FP, FN과 정확도, 재현율, 정밀도딥러닝/기초 2022. 11. 20. 15:42
TP, TN, FP, FN
정상적으로 판정한 경우
실제 양품을 양품으로 판정한 경우:
- TP = True Positive
실제 불량을 불량으로 판정한 경우:
- TN = True Negative
여기서 True는 올바르게 판정했다는 뜻이고, P/N은 이진 라벨을 뜻합니다. 개를 대상으로 하였다고 예를 들어보면, 보통 P는 '개'를 '개' 로 판정한 경우이고 N은 '개' 를 '개' 가 아닌 다른 객체로 판정한 경우입니다.
비정상적으로 판정한 경우
실제 양품을 불량으로 판정한 경우:
- FN = False Nagative
실제 불량을 양품으로 판정한 경우:
- FP = False Positive
여기서 False는 잘못 판정했다는 뜻이고 뒤의 P/N은 예측 값을 의미합니다.
판정 양품 예측 불량 예측 실제 양품 TP 90 FN 2 실제 불량 FP 3 TN 5 정확도, 재현율, 정밀도
위의 표를 기준으로 설명하겠습니다.
- 정확도 = 100 중 90+5
- 95%
- 모든 경우에서, 양품을 양품이라고 예측하고 불량을 불량이라고 올바르게 예측한 비율
- 재현율 = 95 중 90
- 94.x%
- 예측 양품인 모든 경우에서, 실제 양품을 양품으로 예측한 비율
- 정밀도 = 92 중 90
- 97.x%
- 실제 양품을 양품이라고 예측할 수도 있고 불량이라고 예측할 수도 있는데 그 중 양품을 양품으로 예측한 비율
'딥러닝 > 기초' 카테고리의 다른 글
딥러닝 모델을 개발하는 일련의 과정 (0) 2022.11.20