재현율(Recall) & 정밀도(Precision) 예시
CODEDRAGON ㆍDevelopment/Big Data, R, ...
반응형
재현율(Recall) & 정밀도(Precision) 예시
재현율(Recall) 계산
|
|
|
Predict Negative |
Predict Positive |
Predict data |
|
|
|
PN=0 |
PP=1 |
total |
|
True Negative |
TN=0 |
5 (TN) |
2 (FP) |
7 (N) |
|
True Positive |
TP=1 |
3 (FN) |
5 (TP) |
8 (P) |
|
Actual data |
total |
8 |
7 |
15 |
|
지표 |
계산값 |
|
재현율(Recall) = 민감도(Sensitivity) = TPR |
5/8=0.625 |
|
정밀도 (Precision) |
5/7=0.7143 |
정밀도(Precision) 계산
|
|
|
Predict Negative |
Predict Positive |
Predict data |
|
|
|
PN=0 |
PP=1 |
total |
|
True Negative |
TN=0 |
5 (TN) |
2 (FP) |
7 (N) |
|
True Positive |
TP=1 |
3 (FN) |
5 (TP) |
8 (P) |
|
Actual data |
total |
8 |
7 |
15 |
|
지표 |
계산값 |
|
재현율(Recall) = 민감도(Sensitivity) = TPR |
5/8=0.625 |
|
정밀도 (Precision) |
5/7=0.7143 |
'Development > Big Data, R, ...' 카테고리의 다른 글
| summary() 함수의 결과 해석 - 데이터 (0) | 2020.02.07 |
|---|---|
| 강화 학습(RL; Reinforcement Learning) (0) | 2020.02.06 |
| 집합(set) (0) | 2020.02.04 |
| 탐색적 데이터 분석(Exploratory data analysis) (0) | 2020.02.04 |
| 퍼셉트론 한계점 2 (0) | 2020.02.03 |