안녕하세요. SW 개발자 쪼맹 입니다. 오늘도 제가 알고 있는 소박한 지식을 공유 해보고자 합니다. [Confusion Matrix] : 실제 정답지 범주와 알고리즘 모형이 예측한 범주가 일치하는지를 개수로 표현한 결과표 입니다. : 진짜 양성 ( True Positive, TP ) / 진짜 음성 ( True Negative, TN) / 거짓 양성 ( False Positive, FP ) / 거깃 음성 ( False Negative, FN) 4개로 구분하는 표 이자 행렬 입니다. TP : 진짜 양성, True Positive : 정답 범주가 양성 / True 인데 모형 예측도 양성 / Positive 인 케이스 입니다. : 예를 들어 코로나가 양성인 사람을 검사기가 양성으로 예측한 경우 입니다. : 정답을 맞춘 케이스 TN : 진짜 음성, True Negative : 정답 범주가 음성 / False 인데 모형 예측도 음성 / Negative 인 케이스 입니다. : 예를 들어 코로나가...
#AI
#딥러닝
#랜덤포레스트
#머신러닝
#반응변수
#설명변수
#예측값
#일반화
#장점
#정답데이터
#종속변수
#지도학습알고리즘
#추정값
#프로젝트
#독립변수
#단점
#Bagging
#DecisionTree
#DeepLearning
#internalnode
#leafnode
#MachineLearning
#overfitting
#RandomForest
#rootnode
#개념
#결정나무모형
#결정트리
#나무구조
#학습데이터
원문링크 : AI 분류 정확도 평가, Confusion Matrix Precision(정밀도) Recall(재현율) Accuracy(정확도) Specificity(특이도) / ROC, AUC