Confusion matrix를 이용한 모델 평가

confusion matrix란 지도 학습으로 훈련된 분류 알고리즘의 성능을 시각화 할 수 있는 표로 모델이 얼마나 정밀한지 실용적인지를 시각화하여 보여 줍니다.

 

confusion matrix는 1) True Positive, 2)False Negative 3) False Positve 4) True Negative로 4가지로 분류를 할 수 있습니다.

 

정상적인 분류는 4가지중 분류로 앞글자에 True(참)가 들어가 True Positive(TP), True Negative(TN)으로 분류한다. True Positive는 고양이 사진을 학습 모델로 돌렸을 때 왼쪽 상단 처럼 고양이를 고양이로 정상 분류하는 것을 나타냅니다. True Negative는 오른쪽 하단처럼 개가 고양이가 아니라고 정상적으로 분류 했을 때를  나타냅니다.

 

비정상적인 분류는 나머지 2가지로 앞글자에 False(거짓)이 들어가는 False Positive(FP), False Negative(FN) 2가지입니다. False Positive는 개 사진이 들어 왔을 때 고양이로 분류하는 오류를 나타내며 False Negative는 고양이 사진이 들어왔을 때 개로 분류하는 오류를 나타냅니다.