머신러닝에서 혼동행렬(Confusion Matrix) (1)

 혼동 행렬은 기계 학습 분류 알고리즘을 위한 성능 측정 기술입니다. 데이터 사이언티스트들은 실제 값이 알려진 경우 테스트 데이터 세트에 대한 분류 모델의 성능을 평가하기 위해 이를 사용합니다. 예를 들어, 분류 정확도는 특히 데이터 세트에 두 개 이상의 클래스가 있을 때 오해의 소지가 있습니다. 결과적으로, 혼동 행렬을 계산하면 데이터 사이언티스트들이 분류 모델의 효과를 이해하는 데 도움이 됩니다.

 

혼동 행렬의 네 가지 결과

혼동 행렬은 실제 값과 예측 값을 비교하여 분류기의 정확도를 시각화합니다. 또한, 예측의 다른 결과에 대한 표 레이아웃을 제시합니다.

True Positive

- 모델이 예측한 값이 실제 값과 일치합니다
- 실제 값은 양의 값이었고, 기계 학습 모델은 양의 값을 예측했습니다

 

True Negative

- 모델이 예측한 값이 실제 값과 일치합니다
- 실제 값은 음수였고, 기계 학습 모델은 음수 값을 예측했습니다

 

False Positive

- 기계 학습 모델이 잘못된 예측을 했습니다
- 실제 값은 음수였지만 기계 학습 모델은 양수 값을 예측했습니다
- 잘못된 양극은 유형 1 오류라고도 합니다

 

False Negative

- 기계 학습 모델이 잘못된 예측을 했습니다
- 실제 값은 양수였지만 기계 학습 모델은 음수 값을 예측했습니다
- 거짓 음은 유형 2 오류라고도 합니다