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

5

장

모델 평가와 성능 향상

385

Out [72]:

micro 평균 f1 점수: 0.953

macro 평균 f1 점수: 0.954

5.3.4

회귀의 평가 지표

회귀 평가는 분류에서와 비슷하게 할 수 있습니다. 예를 들면, 타깃을 과대 예측한 것 대비 과

소 예측한 것을 분석합니다. 그러나 대부분의 애플리케이션에서는 회귀 추정기의

score

메서

드에서 이용하는

R

2

만으로 충분합니다. 가끔 평균 제곱 에러나 평균 절댓값 에러를 사용하여

모델을 튜닝할 때 이런 지표를 기반으로 비즈니스 결정을 할 수 있습니다. 그러나 일반적으로

R

2

이 회귀 모델을 평가하는 데 더 나은 지표입니다.

5.3.5

모델 선택에서 평가 지표 사용하기

많은 평가 방법과 그 방법들을 주어진 타깃값과 모델에 어떻게 적용하는지 자세히 다루었습니

다. 그러나

GridSearchCV

나

cross

_

val

_

score

를 사용하여 모델을 선택할 때,

AUC

같은 평

가 지표를 사용하고 싶은 경우가 많이 있습니다. 다행히

scikit

-

learn

에서는

GridSearchCV

와

cross

_

val

_

score

의

scoring

매개변수를 통해 손쉽게 이를 구현할 수 있습니다. 사용하려

는 평가 지표를 문자열로 넘겨주기만 하면 됩니다. 예를 들어

digits

데이터셋을 가지고 ‘

9

와

9

아님’을 분류하는

SVM

모델을 평균 ...