파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

356

파이썬 라이브러리를 활용한 머신러닝(번역개정판)

러 머신에서 그리드 서치와 교차 검증을 병렬화할 수도 있습니다.

5.3

평가 지표와 측정

지금까지 우리는 분류 성능 평가에 정확도 (정확하게 분류된 샘플의 비율 )를 사용했고, 회귀

성능 평가에는

R

2

을 사용했습니다. 그러나 주어진 데이터셋에 대한 지도 학습 모델의 성능을

재는 방법은 그 외에도 많습니다. 실전에서 애플리케이션에 따라 이런 평가 지표가 적합하지

않을 수 있으므로, 모델을 선택하고 매개변수를 튜닝할 때 올바른 지표를 선택하는 것이 중요

합니다.

5.3.1

최종 목표를 기억하라

평가 지표를 선택할 때 머신러닝 애플리케이션의 최종 목표를 기억해야 합니다. 실제로 정확한

예측을 만드는 것뿐 아니라 큰 의사 결정 프로세스의 일부로 사용하는 데 더 중점을 둬야 할지

모릅니다. 머신러닝 평가 지표를 선택하기 전에 비즈니스 지표라고 부르는 애플리케이션의 고

차원적인 목표를 생각해야 합니다. 어떤 머신러닝 애플리케이션에서 특정 알고리즘을 선택하

여 나타난 결과를

비즈니스 임팩트

business

impact

라고 합니다.

21

고차원적인 목표는 교통사고를 피

하거나 입원 환자 수를 줄이는 것일지 모릅니다. 또는 웹사이트에 더 많은 사용자를 유입시키

거나 쇼핑몰에서 사용자의 소비를 늘리는 것일 수 있습니다. 모델을 ...