Confusion matrix
- 알고리즘 성능 평가에 사용.
 
  | 
Predicted  | 
||
Positive  | 
Negative  | 
||
Actual  | 
Positive  | 
TP  | 
FN  | 
Negative  | 
FP  | 
TN  | 
|
- TP : True로 예측하고 실제 값도 True
 - TN : False로 예측하고 실제 값도 False
 - FP : True로 예측하고 실제는 False
 - FN : False로 예측하고 실제는 True
 
Accuarcy
- 전체 중 맞게 맞게 예측한 비율
 
Precision
- Positive에 속하는 것들 중 실제 Positvie 인것.
 
Recall (sensitivty)
- 실제로 Positive인 것들 중 Positive로 예측한 비율
 
Specificity
- Negative에 속하는 것들 중 실제 Negative 인것.
 
F1 Measure
- 위의 Precision과 Recall을 이용.
 
'Study > Data Science' 카테고리의 다른 글
| 비정형 데이터 모델 TF Model , TF-IDF Model(CountVectorizer, TfidfVectorizer, Word Count) (0) | 2018.10.17 | 
|---|---|
| K-Means Clustering, Hierarchical Clustering (0) | 2018.10.16 | 
| RMSE, MAE (0) | 2018.08.03 | 
| Supervised learning, UnSupervised learning Models (0) | 2018.08.03 | 
| python을 이용한 Wine Quality dataset Naive Bayesain GaussianNB & BernoulliNB (0) | 2018.07.02 |