AI/Machine Learning
2021. 10. 1.
[ML] 모델 평가지표 - 오차행렬, PRC, ROC, AUC
평가지표의 중요성 통상적으로 정확도(accuracy)를 사용해 머신러닝이나 딥러닝 모델을 평가하곤 한다. 하지만 주어진 데이터셋에 대한 모델의 성능을 재는 방법은 그 외에도 많다. 실전에서 어떻게 적용할지에 따라 특정 평가 지표가 적합하지 않을 수 있으므로, 모델을 선택하고 하이퍼 파라미터를 튜닝할 때 올바른 지표를 선택하는 것이 중요하다. 불균형 데이터셋(imbalanced datasets)을 기반으로 이진 분류기를 만든다고 가정해보자. 대표적으로 어떤 아이템이 사용자에게 보여진 노출 데이터로 클릭을 예측하는 상황을 들 수 있다. 최종 목표는 특정 상품을 보여주면 사용자가 클릭을 할지 예측하는 것이다. 데이터셋은 '특정상품을 보여줌->클릭하지 않음(0)'과 '특정상품을 보여줌->클릭함(1)'로 나누어져..
![[ML] 모델 평가지표 - 오차행렬, PRC, ROC, AUC](http://i1.daumcdn.net/thumb/C450x300/?fname=https://blog.kakaocdn.net/dn/TOwPl/btrgBhlmrbz/INSt2icIuoF2xZF9rlPcg0/img.png)