Robotics & AI

회귀 모델(Regression Model)과 분류 모델(Classification Model)은 머신 러닝에서 널리 사용되는 두 가지 주요 유형의 모델입니다. 이들 모델의 차이는 주로 출력 값의 유형과 사용되는 알고리즘, 그리고 적용되는 문제 유형에 있습니다. 이번 글에서는 회귀 모델에 대한 성능 평가 방법에 대해 알아보겠습니다. 회귀 모델이란 회귀 모델은 연속적인 값을 예측하는 데 사용됩니다. 모델의 출력값으로는 실수 값(예: 가격, 온도, 점수 등)과 같은 연속적인 값을 출력합니다. 사용 사례로는 집 가격 예측, 기온 예측, 판매량 예측 등에 사용 됩니다. 알고리즘 예시: 선형 회귀(Linear Regression), 릿지(Ridge) 및 라쏘(Lasso) 회귀, 의사결정 나무(Decision Tre..

PR Curve PR Curve, 즉 정밀도-재현율 곡선(Precision-Recall Curve)은 분류 모델의 성능을 평가하는 데 사용되는 도구 중 하나입니다. PR Curve 곡선은 모델의 정밀도(Precision)와 재현율(Recall) 사이의 관계를 시각적으로 나타냅니다. 주로 클래스 불균형이 큰 경우 또는 양성 클래스의 성능이 더 중요한 상황에서 유용합니다. 정밀도 (Precision) & 재현율 (Recall) 정밀도 (Precision)는 양성으로 예측된 케이스 중 실제로 양성인 비율입니다. 높은 정밀도는 거짓 양성(FP)이 적음을 의미합니다. 재현율 (Recall) 실제 양성 중 모델이 양성으로 올바르게 예측한 비율입니다. 높은 재현율은 거짓 음성(FN)이 적음을 의미합니다. 그래프 형..

머신러닝에서 분류 모델의 평가 지표는 대표적으로 정확도(Accurcy), 정밀도(Precision), 재현율(Recall), F1 Score, ROC/AUC, 혼동행렬(Confusion Matrix)등이 있습니다. 각각의 지표는 모델의 성능을 다른 관점에서 평가합니다. 이들 지표를 이해하기 위해서는 기본적으로 혼동 행렬(Confusion Matrix)의 개념을 알아야 합니다. 혼동 행렬은 실제 클래스(양성/음성)와 모델이 예측한 클래스(양성/음성)를 비교한 표입니다 혼동 행렬의 기본 요소는 아래와 같습니다. True Positives (TP): 실제 양성이며, 모델도 양성으로 정확하게 예측한 케이스입니다. False Positives (FP): 실제 음성이지만, 모델이 양성으로 잘못 예측한 케이스입니다...