머신러닝에서 혼동행렬(Confusion Matrix) (2)

혼동 행렬 예제

 혼동 행렬과 그 값을 더 잘 이해하기 위해 다음 예제를 고려해 보겠습니다. 편두통으로 고통 받는 환자의 수를 예측할 수 있는 모형을 만들고 싶다고 가정해보겠습니다.

이 경우
- TP은 편두통을 앓고 알고리즘에 의해 정확하게 확인된 환자입니다
- TN은 편두통을 앓지 않았고 알고리즘에 의해 올바르게 식별된 환자입니다
- FN은 편두통으로 고통받는 환자들이지만 알고리즘은 그렇지 않다고 말했습니다
- FP은 편두통이 없는 환자이지만 알고리즘에 따르면 편두통이 있다고 합니다

- 정확하게 분류된 100명의 TP 또는 편두통을 앓고 있는 환자들이 있었습니다.
- TN이거나 편두통으로 고통받지 않는 환자가 150명이나 있었습니다.
- 그러나 알고리즘은 30명의 환자가 편두통을 앓았을 때 편두통이 없다고 잘못 분류하여 FN을 나타냈습니다.
- 이 알고리즘은 또한 20명의 환자들이 편두통을 가지고 있지 않을 때 그들이 편두통을 가지고 있었다고 말함으로써 FP을 나타냈습니다.

 

 결과적으로, TP, TN은 알고리즘이 표본을 정확히 몇 번 분류했는지 알려줍니다. 반면에, FP, FN은 알고리즘이 예측을 몇 번 잘못했는지를 나타냅니다. 혼동 행렬을 작성한 후에는 모델의 정확도, 오류율 등을 파악하기 위해 다양한 계산을 수행할 수 있습니다.