[Day25] 딥러닝 정확도 평가 지표

AIFFEL Life

[Day25] 딥러닝 정확도 평가 지표

nevermet 2020. 12. 14. 17:06

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

3.3. Metrics and scoring: quantifying the quality of predictions There are 3 different APIs for evaluating the quality of a model’s predictions: Finally, Dummy estimators are useful to get a baseline value of those metrics for random predictions. 3.3.1.

scikit-learn.org

2. Loss vs Accuracy

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

Loss vs Accuracy

A loss function is used to optimize the model (e.g. a neural network) you’ve built to solve a problem. Fundamentals Loss is defined as the difference between the predicted value by your model and the true value. The most common loss function used in deep

kharshit.github.io

3. Precision-Recall

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

Precision-Recall — scikit-learn 0.23.2 documentation

Note Click here to download the full example code or to run this example in your browser via Binder Precision-Recall Example of Precision-Recall metric to evaluate classifier output quality. Precision-Recall is a useful measure of success of prediction whe

scikit-learn.org

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

이번 포스팅에서는 Python의 numpy 라이브러리에 있는 함수들을 이용해서 두 개의 배열(array)을 옆으로 붙이기, 배열을 위 아래로 붙이기(concatenate) 하는 방법에 대해서 소개하겠습니다. 알아두면 편

rfriend.tistory.com

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

scikit-learn.org

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

7. 회귀의 오류 지표 알아보기