[Machine Learning] - Regression 성능평가 (Regression Metrics)

Regression 성능평가 (Regression Metrics)

---

• Mean Squeared Error (MSE)
• Root Mean Squared Error (RMSE)
• Mean Absolute Error (MAE)
• R Squared (R**2)
• Adjusted R Squared (R**2)
• Mean Square Percentage Error (MSPE)
• Mean Absolute Percentage Error (MAPE)
• Root Mean Squared Logarithmic Error (RMSLE)

분류의 문제에서의 성능 평가 방법

---

성능측정

---

• True Positive(TP): 실제 True인 정답을 True라고 예측 (정답)
• False Positive(FP): 실제 False인 정답을 True라고 예측 (오답)
• False Negative(FN): 실제 True인 정답을 False라고 예측 (오답)
• True Negative(TN): 실제 False인 정답을 False라고 예측 (정답)

 

정분류율(Accuracy)

오분류율(Error Rate)

민감도(Sensitivity)

특이도(Specificity)

정밀도란 모델이 True라고 분류한 것 중에서 실제 True인 것의 비율입니다. 즉, 아래와 같은 식으로 표현할 수 있습니다.

 

 

재현율이란 실제 True인 것 중에서 모델이 True라고 예측한 것의 비율입니다.

 

 

F1 Score: 1에 가까울수록 성능 좋은 것

• F1 score는 Precision과 Recall의 조화평균입니다.

 

 

 

Reference

www.google.com/url?sa=i&url=https%3A%2F%2Fheung-bae-lee.github.io%2F2020%2F01%2F09%2Fmachine_learning_03%2F&psig=AOvVaw1lC9zw1dnuyH7nSkFknJ8d&ust=1620022498382000&source=images&cd=vfe&ved=0CAIQjRxqFwoTCNiC5vitqvACFQAAAAAdAAAAABAh

리디렉션 알림

www.google.com/url?sa=i&url=https%3A%2F%2Fminimin2.tistory.com%2F128&psig=AOvVaw1lC9zw1dnuyH7nSkFknJ8d&ust=1620022498382000&source=images&cd=vfe&ved=0CAIQjRxqFwoTCNiC5vitqvACFQAAAAAdAAAAABAn

리디렉션 알림

www.google.com/imgres?imgurl=https%3A%2F%2Fdatascience103579984.files.wordpress.com%2F2019%2F04%2Fcapture3-24.png&imgrefurl=https%3A%2F%2Fdatascience103579984.wordpress.com%2F2019%2F04%2F30%2Fbalanced-accuracy-and-f1-score%2F&tbnid=3YicbPb83SFrOM&vet=12ahUKEwjPwcGFsKrwAhUPgpQKHTr7BfUQMygFegUIARDWAQ..i&docid=106dAG_WWyl_sM&w=1116&h=626&q=f1%20score&ved=2ahUKEwjPwcGFsKrwAhUPgpQKHTr7BfUQMygFegUIARDWAQ