뒤로 가기
홈으로 이동
LearnFit
공유하기
YouTube, [머신러닝] 다중 분류 모델 성능 측정 (accuracy, f1 score, precision, recall on multiclass classification)
SAMA님의 학습노트

[머신러닝] 다중 분류 모델 성능 측정 (accuracy, f1 score, precision, recall on multiclass classification)

#머신러닝
#모델 성능
#모델 성능 측정
#정확도
#데이터 분석
#클래시파이어 평가
#accuracy
#f1 score
#precision
#recall
#머신러닝 평가
#기계학습
#모델 평가
#multiclass classification
#multinomial classification
#다중 분류 모델
#다중분류모델
00:39Confusion Matrix에 대한 간략설명
02:11TP에 대한 설명, 정답 예측했고 실제 정답인 경우
02:38TN에 대한 설명, 오답 예측했고 실제 오답인 경우
03:03FP에 대한 설명, 정답 예측했으나 실제 오답인 경우
03:37FN 오답예측했으나 실제 정답인 경우
04:09accuracy 는 전체 예측한 것에서 실제 예측이 맞춘 비율 (TP+TN / TP+TN+FP+FN​​), 단 결과값이 balance하지 않을 경우 accuracy는 사용될 수 없음
08:31F1 은 데이터가 balace 하지 않을때 잘 동작함. preciosion 값과 recall 값을 가지고 조화평균을 구함 (2 × (preciosion × recall ) / (preciosion + recall))
14:16결론, Data가 balance 할 경우 Accuracy 사용하고 그렇지 않은 경우 F1 score를 사용한다.
✔ 학습 완료

이 학습노트가 포함된 러닝패스예요.

SAMA님의 다른 노트는 어때요?

SAMA
의 학습노트

KC릴레이션 추천을 위한 분석

영상 재생 모양 아이콘
Video
⏱ 핵심 스탬프
12
00:30
지식그래프는 노드와 릴레이션으로 구성됨
00:40
현재 USM은 level ,KC, Concept, Problem 등의 노드로 구성 KC는 PREREQUSITEOF 라는 선후 관계 릴레이션, Level 과 KC는 CONTAINS 라는 방향성을 가진 릴레이션으로 관계가 정의되어 있음
👍
1
스크랩
SAMA
의 학습노트

[빅데이터분석] 07 머신러닝모델평가

영상 재생 모양 아이콘
Video
⏱ 핵심 스탬프
12
00:48
분류모델의 성능 평가를 통해 모델의 정확도 확인 및 이후 모델 개선 등 반영
03:01
테스트 데이터셋에 대한 예측값과 실제값의 일치도를 비교하여 일치도가 높을 수록 모델 성능이 높다고 판단
👍
1
스크랩
👋 다양한 인사이트를 읽어보고 계신가요?
나만의 학습 기록을 남기고, 관리하고 싶다면!
다양한 전문가의 멤버십 전용 콘텐츠를 보고 싶다면!
나의 학습 내용을 공유하고, 수익을 올리고 싶다면!
3초 회원가입/로그인으로, 런핏의 커뮤니티에 여러분도 함께하세요.
3초 만에 가입하기