Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
Tags
- Type 2 error
- precision
- 혼동행렬(Confusion Matrix)
- 보스톤 다이나믹스
- 혼동행렬
- ROC/AUC
- mae
- ROC curve
- 레인보우 로보틱스
- 머신러닝 모델 평가
- Precision-recall
- 회귀 모델 성능 평가 방법
- 모델평가
- openAI
- MSE
- Gen2
- 2종오류
- 디지트
- GPT-2.GPT-3
- 정밀도(Precision)
- 1종오류
- 정확도(Accurcy)
- PR curve
- GPT-1
- Type 1 error
- GPT
- 어질리티 로보틱스
- Confusion Matrix
- 재현율(Recall)
- F1 score
Archives
- Today
- Total
목록ROC/AUC (1)
Robotics & AI
머신러닝 분류 모델(Classification)의 평가 지표
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...
AI & MLOps
2024. 1. 19. 00:39