이진분류 모델의 학습성능을 평가하는 데는 많은 방법이 있습니다. 가장 간단한 평가방법은 accuracy (정확도)가 있습니다. 정확도는 단순히 전체 데이터에 대하여 내가 예측한 값과 실제값이 일치하는 정도를 평가합니다.
Sklearn의 accuracy_score()함수를 이용하여 실제 y값에 대한 예측 y 값의 accuracy_score를 계산할 수 있습니다.
하지만 예측할 값의 label분포가 불균형하거나, 특정 label의 중요도가 다를 경우(True예측은 중요하지만, False예측은 중요하지 않은경우) accuracy로만 으로 모델을 평가하는 것은 한계가 있습니다. 이러한 문제점을 해결하기 위해 precision, recall을 고려하여 모델을 평가하기도 합니다. 다음에 더 자세히 다루도록 하겠습니다.
'머신러닝' 카테고리의 다른 글
| # Continuous 형 데이터의 분석 방법 : band로 묶어서 분석하기, groupby() 이용하기 (0) | 2020.02.16 |
|---|---|
| # cross-validation (0) | 2020.02.16 |
| # LogisticRegression (0) | 2020.02.16 |
| # train_test_split() (0) | 2020.02.16 |
| # one-hot encoding (2) | 2020.02.16 |
