전체 글 (291) 썸네일형 리스트형 오차행렬을 통한 계산 오차행렬이 True Positives(TP), True Negatives(TN), False Negatives(FN), False Positives(FP)의 수를 결정했으면 과학자들은 모형의 분류 정확도, 오류율, 정밀도 및 리콜을 결정할 수 있습니다. 이에 대해 알아보기 위해 앞서 작성했던 글의 예시에 적용된 수치에 대해 먼저 살펴보겠습니다. 표의 내용을 살펴보면 정확하게 분류된 편두통을 앓는 100명의 환자들이 있고, 정확하게 분류된 편두통을 앓지 않은 150명이 있었습니다. 또한 알고리즘이 편두통이 없다고 잘못 분류한 30명의 환자들과, 편두통 환자로 분류했지만 건강한 20명이 존재합니다. 결과적으로, true positives의 값과 참 true negatives의 값은 알고리즘이 샘플을 정확하게.. 머신러닝에서의 오차 행렬(Confusion Matrix) 오차 행렬 (Confusion matrix)은 머신러닝 분류 알고리즘의 성능 측정 기술입니다. 데이터 과학자들은 실제 값을 알 수 있는 경우 이를 사용하여 일련의 검정 데이터에 대한 분류 모형의 성능을 평가합니다. 예를 들어, 분류 정확도는, 특별히 데이터 세트에 두 개 이상의 클래스가 있는 경우 오차가 발생할 수 있습니다. 이러한 오차 행렬을 계산하게 되면 데이터 과학자들이 분류 모델의 효과를 이해하는 데 도움이 됩니다. 오차 행렬의 네가지 결과 오차 행렬은 실제 값과 예측 값을 비교하여 분류기의 정확도를 시각화합니다. 이는 아래 이미지와 같이 예측의 다양한 결과에 대한 표를 제공합니다. 표를 살펴보면 대상 변수에는 양 또는 음의 두 가지 값이 있고, 열은 대상 변수의 실제 값인 알려진 진실을 나타냅니.. 인공지능의 8가지 한계 (2) 기계 결정의 투명성 문제 AI 의사 결정의 추적성에는 상당한 결함이 있습니다. 이는, AI는 자신의 의사 결정 과정을 설명할 수 없다는 것입니다. 인공지능이 학습하고 결과에 도달하는 과정은 어느 시점에서도 직접 확인할 수 없습니다. 따라서 이는 운영, 자금 조달 및 투자와 같은 경쟁 활동에 필요한 투명성을 복잡하게 만듭니다. 이를 극복하기 위해서 학습 및 의사 결정 과정을 별개의 AI 도구로 세분화하는 작업이 이미 진행 중입니다. 예를 들어, 설명 가능한 AI는 연구자들이 수학적 기술을 사용하여 AI 모델의 패턴을 분석하고 해당 모델이 어떻게 그들의 결정에 도달하는지에 대한 결론을 도출할 수 있도록 하는 연구 분야입니다. 이 설명은 데이터 과학자들이 더 나은 결과를 얻거나 결함이 있는 모델을 탐지하는 데.. 이전 1 ··· 81 82 83 84 85 86 87 ··· 97 다음
