Classification Metrics | Machine Learning | Pusan National University

거짓 양성(FP)과 거짓 음성(FN)FP는 실제 음성을 양성으로, FN은 실제 양성을 음성으로 예측한 경우다.

정밀도 TP / (TP + FP)양성으로 예측한 관측 가운데 실제 양성의 비율이다.

재현율 TP / (TP + FN)실제 양성 가운데 양성으로 예측한 비율이며 민감도, TPR과 같다.

같은 혼동행렬에서 지표마다 세는 칸이 다르다

관측 1,000개 중 실제 양성은 20개, 음성은 980개다. 찾아낸 양성 수 TP와 양성으로 잘못 예측한 음성 수 FP를 바꾸면 네 칸과 네 지표가 함께 바뀐다.

찾아낸 양성 TP 12

잘못 양성 예측 FP 3

강조할 지표

왼쪽 표의 행은 예측, 열은 실제 범주다. 초록 칸은 맞힌 관측, 빨간 칸은 오류이며, 초록 테두리 칸이 강조한 지표의 분모에 들어가는 칸이다. 오른쪽 막대는 네 지표의 값이다.

질환 검사 결과 TP = 12, FP = 3, FN = 8, TN = 977을 그대로 두고 양성으로 부를 범주를 바꾸면 네 칸의 이름과 정밀도·재현율이 바뀌고 정확도는 그대로다.

양성으로 두는 범주

행은 예측, 열은 실제 범주다. 칸마다 관측 수와 현재 양성 기준의 이름을 적었다. 초록 칸이 맞힌 관측이다.

같은 관측 1,000개, 양성 20개에서 예측 방식을 바꾸면 정밀도, 재현율, 두 값의 산술평균과 조화평균 F₁ = 2PR / (P + R)이 바뀐다.

예측 방식

막대는 왼쪽부터 정밀도, 재현율, F₁이다. 빨간 점선은 정밀도와 재현율의 산술평균이다.