[혼자공부하는머신러닝+딥러닝]한권뽀개기
09-3 LSTM과 GRU 셀
발뛰
2022. 4. 7. 17:35
Predicted | |||
0 N | 1 P | ||
Actual | 0 N | TN 음성 | FP 위양성 |
1 P | FN 위음성 | TP 양성 |
Negative
Positive
accuracy = 분모가 전부 더한것
TN+TP/
TN+FP+FN+TP
재현율(recall) | 정밀도(precision) |
TP를 찾는것 TP/ FP+TP 양성으로 예측한 것중에 정말 양성인것 (세로) |
실제 양성인 것중에서 진짜 양성인것 TP/ FN+TP (가로) |
검색엔진은 재현율에 중점을 둔다. (결과가 많아보이려고)
두가지를 절충해서 쓰는 F1 SCORE(조합평균)
2/(1/recall+1/precision) = 2*(recall*precision)/(recall+precision)
ROC(수신자작동특성, receiver operational characteristic) 커브 -> 의학, 이진분류
리시버, TPR(True positive rate):재현율
FPR (False positive rate)
TPR민감도
TNR
TP/FN+TP
ROC
커브 밑면적 : 이진분류문제
문제에 따라서 사용하는 성능지표가 다 다르다.