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

5

장

모델 평가와 성능 향상

367

더 나아가 모든 샘플을 ‘

9

아님’으로 분류하기 때문에 ‘

9

아님’ 클래스의 재현율이

1

입니다.

f

1

-

점수 오른쪽의 마지막 열은 각 클래스에 대한 지지도

support

로, 단순히 이 클래스에 있는 진짜 샘

플의 수입니다.

분류 리포트의 마지막 세 줄은 정밀도, 재현율,

f

1

-점수의 평균을 보여줍니다.

macro

avg

는

단순히 클래스별 점수의 평균을 계산한 것입니다.

weighted

avg

는 클래스의 샘플 수로 가중

평균한 것입니다. 두 클래스를 평균한 것이므로 양성 클래스의 개념이 필요하지 않습니다. 양

성 클래스의 정밀도나 재현율 점수만 보는 것에 비해 두 클래스를 평균하면 숫자 하나로 된 의

미 있는 지표를 얻을 수 있습니다. 무작위 더미 분류기와 로지스틱 회귀의 리포트도 확인해보

겠습니다.

In [53]:

print(classication_report(y_test, pred_dummy,

target_names=["9 아님", "9"]))

Out [53]:

precision recall f1-score support

9 아님 0.90 0.88 0.89 403

9 0.11 0.13 0.12 47

accuracy