머신러닝 분류 모델의 성능 측정 방법 - Probably Approximately Correct (PAC) - TP, TN, FP, FN과 정확도, 재현율, 정밀도

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