안녕하세요 팀 은지짱짱걸 입니다. 다양한 분석 모형 평가 방법에 대해서 알아 보겠습니다.

1. 분류 모델 평가 지표

   분류 모델을 평가할 때 많은 경우 오차 행렬(confusion matrix)를 활용하여서 평가를 합니다.

   

   • 정확도(Accuracy) : TP + TN / TP + FP + TN + FN - 전체 중에 예측 성공

   • 정밀도(Precision) : TP / TP + FP - 예상중에 실제

   • 재현율(Recall) : TP / TP + FN - 실제 중에 예상

   • F1 Score : 2 * ( Precision * Recall ) / (Precision + Recall)

   • 정밀도는 모델이 거짓 양성(False Positive)를 최소화하는 데 중점을 둡니다.

   • 재현율은 모델이 거짓 음성(Neagative False)를 최소화하는데 중점을 둡니다.

   • F1 Scroe는 정밀도와 재현율의 조화 평균 값으로, 클래스가 불균형하게 분포된 경우 모델의 성능을 정확하게 측정할 수 있습니다.

2. 회귀 모델 평가 지표

   • SSE(Sum Squared Error) : 실제값과 예측값의 차이를 제곱하여 더한 값이다.

     

   • MSE(Mean Squared Error) : 실제값과 예측값의 차이의 제곱에 대한 평균을 취한 값으로 평균 오차 제곱이라고 한다.

     

   • RMSE(Root Mean Squared Error) : MSE에 루트를 취한 값으로 평균 제곱근 오차라고도 한다.

     

   • MAE(Mean Absolute Error) : 실제값과 예측값의 차이의 절대값을 합한 평균값이다.

     

   • 예측 값과 실제값의 차이를 더한 것들을 이용하여 하는 계산으로 이 값이 낮을 수록 모델의 성능이 좋은 것이라고 할 수 있다.