[Day25] 딥러닝 정확도 평가 지표

딥러닝으로 학습하고 나서 테스트한 결과가 얼마나 잘 맞는지 확인하고 싶을 때, 사용하는 지표들이 여러가지가 있다. 상황에 맞춰 적절한 지표를 사용하는 것이 필요한데, 우리가 일상 생활에서 흔히 말하는 정확도라는 것은 참 애매하고 정의가 명확하지 않으므로 각 지표의 의미를 정확히 파악하고 사용하는 것이 필요하다. 아래 글들을 살펴 보자.

1. Multilabel ranking metrics

scikit-learn.org/stable/modules/model_evaluation.html#multilabel-ranking-metrics

3.3. Metrics and scoring: quantifying the quality of predictions — scikit-learn 0.23.2 documentation

2. Loss vs Accuracy

kharshit.github.io/blog/2018/12/07/loss-vs-accuracy

Loss vs Accuracy

3. Precision-Recall

scikit-learn.org/stable/auto_examples/model_selection/plot_precision_recall.html

Precision-Recall — scikit-learn 0.23.2 documentation

4. R, Python 분석과 프로그래밍의 친구

rfriend.tistory.com/352

[Python NumPy] 배열을 옆으로, 위 아래로 붙이기 : np.r_, np.c_, np.hstack(), np.vstack(), np.column_stack(), np.conc

5. sklearn.metrics.average_precision_score

scikit-learn.org/stable/modules/generated/sklearn.metrics.average_precision_score.html

sklearn.metrics.average_precision_score — scikit-learn 0.23.2 documentation

6. sklearn.svm.SVC (scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html)

7. 회귀의 오류 지표 알아보기

partrita.github.io/posts/regression-error/

회귀의 오류 지표 알아보기

8. 정보 검색(Information Retrieval) 평가는 어떻게 하는 것이 좋을까?

lamttic.github.io/2020/03/20/01.html

정보 검색(Information Retrieval) 평가는 어떻게 하는 것이 좋을까?(2/2)

9. A Quick Overview of Methods to Measure the Similarity Between Images

medium.com/@datamonsters/a-quick-overview-of-methods-to-measure-the-similarity-between-images-f907166694ee

A Quick Overview of Methods to Measure the Similarity Between Images

10. BLEU Score

donghwa-kim.github.io/BLEU.html

BLEU Score