살아 움직이는 머신러닝 파이프라인 설계: 텐서플로와 함께하는 머신러닝 프로젝트 자동화

159

7

장

모델 분석 및 검증

7.1

모델 분석 방법

모델 분석 프로세스는 성능 지표 선택부터 시작합니다. 앞서 논의한 바와 같이, 성능 지표 선

택은 머신러닝 파이프라인의 성공에 매우 중요한 부분입니다. 단일 지표가 중요한 세부 정보를

숨길 수 있으므로 직면한 문제와 관련된 지표를 여러 개 선택하는 편이 좋습니다. 이 절에서는

분류 문제와 회귀 문제 모두에서 중요한 지표를 몇 가지 검토합니다.

7.1.1

분류 성능 지표

많은 분류 성능 지표를 계산하려면 먼저 평가 세트의 참 양성/거짓 양성 샘플과 참 음성/거짓

음성 샘플의 수를 세어야 합니다. 레이블에서 하나의 클래스를 예로 들어봅시다.

●

참 양성

True

Positive

이 클래스에 속하며 분류 모델이 이 클래스로 올바르게 라벨링한 학습 샘플입니다. 예를 들어, 실제 레이

블이

1

이고 예측 레이블이

1

이라면 참 양성입니다.

●

거짓 양성

False

Positive

이 클래스에 속하지 않지만 분류 모델이 이 클래스로 잘못 라벨링한 학습 샘플입니다. 예를 들어, 실제

레이블이

0

이고 예측 레이블이

1

이라면 거짓 양성입니다.

●

참 음성

True

Negative

이 클래스에 속하지 않고 분류 모델이 이 클래스에 속하지 않는다고 올바르게 라벨링한 학습 예제입니

다. 예를 들어, 실제 레이블이 ...