Development/Big Data, R, ...(885)
-
F1지표(F1 score) 예시 2
F1지표(F1 score) 예시 2 F1 score on multiclass classification Step by Step· Recall - MODEL 1· Precision - MODEL 1· F1 score - MODEL 1· Recall - MODEL 2· Precision - MODEL 2· F1 score - MODEL 2· F1 score Comparison MODEL 1 Recall - MODEL 1 index TP FP Recall A 110 110 110/220=0.5 B 9 1 9/10=0.9 C 8 2 8/10=0.8 D 9 1 9/10=0.9 A, B, C, D로 class가 4개 이므로 4로 나누어서 average Recall을 구합니다. MODEL 1 Predictions o..
-
기존 프로그래밍 vs 머신러닝
기존 프로그래밍 vs 머신러닝
-
배열의 산술연산자 (.+, .-, .*, ./, .\, .^)
배열의 산술연산자 (.+, .-, .*, ./, .\, .^) 산술연산자 앞에 점(.)을 붙여 표현합니다. dot 표시를 붙임 (A의 원소들과 B의 원소들을 원소별로 곱함) 구분 표현 예시 스칼라 배열 덧셈 A + b [2, 3] + 4 = [6, 7] 스칼라 배열 뺄셈 A - b [2, 3] - 4 = [-2, -1] 배열 덧셈 A + B 또는 A .+ B [2, 3] + [4, 5] = [6, 8] 배열 뺄셈 A - B 또는 A .- B [2, 3] - [4, 5] = [-2, -2] 배열 곱셈 A .* B [2, 3] .* [4, 5] = [8, 15] 배열 우측 나눗셈 A ./ B [2, 3] ./ [4, 5] = [2/4, 3/5] 배열 좌측 나눗셈 A .\ B [2, 3] .\ [4, 5] =..
-
cost
cost costs
-
ROC 커브(Receiver Operating Characteristic Curve)
ROC 커브(Receiver Operating Characteristic Curve) · ≒ ROC 곡선 ≒ ROC 커브 향상도 곡선 · 민감도(Sensitivity)와 특이도(Specivicity)를 알아보는데 주로 사용됩니다. · 민감도(TRP)와 특이도(FPR)를 각각 X, Y축으로 놓은 그래프의 곡선입니다. · 식별 모델의 성능 평가 방법입니다. · 민감도와 특이도는 서로 반비례 적인 관계 · 두 개의 범주를 가지고 있는 분류 모형의 성능을 평가하기 위해 쓰는 그래프입니다. · 민감도와 특이도의 여러 상황을 고려해서 성능을 판단할 수 있도록 한눈에 보여주는 그래프 · 기준값을 달리할 때 TP Rate와 FP Rate가 어떻게 달라지는지 그래프로 표시한 것입니다. · X, Y 둘다 0~1 사이의 범..
-
선형 회귀분석로 분류시 문제점
선형 회귀분석로 분류시 문제점