데이터 과학을 위한 통계(2판)

252

데이터 과학을 위한 통계

•

민감도

sensitivity

:

1

을 정확히

1

로 분류한 비율 (유의어 : 재현율

recall

)

•

특이도

specificity

:

0

을 정확히

0

으로 분류한 비율

•

정밀도

precision

:

1

이라고 예측한 것들 중에

1

이 맞는 경우의 비율

•

ROC

곡선

ROC

curve

: 민감도와 특이성을 표시한 그림

•

리프트

lift

: 모델이 다른 확률 컷오프에 대해 (비교적 드문 )

1

을 얼마나 더 효과적으로 구분하는지 나타내

는 측정 지표

분류 성능을 측정하는 가장 간단한 방법은 정확히 예측한 것들의 비율, 즉 정확도가 얼마인지

보는 것이다. 정확도는 아래 수식과 같다.

정확도 =

∑

참 양성 +

∑

참 음성

표본 크기

대부분의 분류 알고리즘에서는 각 데이터에 대해

1

이 될 확률값을 추정하여 할당한다.

5

가장

기본적인 컷오프 기준값은

0

.

5

, 즉

50

%이다. 확률이

0

.

5

보다 크면 분류 결과는

1

, 그렇지 않으

면

0

이 된다. 또 다른 방법은, 실제 데이터에서

1

이 차지하는 비율을 컷오프로 사용하는 방법

이 있다.

5.4.1

혼동행렬

혼동행렬

은 분류 결과를 나타내는 가장 대표적인 행렬이다. 혼동행렬은 응답 유형별로 정확한

예측과 잘못된 예측의 수를 한 번에 보여주는 표다.

R

과 파이썬에서는 여러 가지 패키지를 사

용하여 혼동행렬을 ...