ADsP 분류분석 성능평가

 

confusion matrix

데이터의 실제 클래스와 모델에 의해 예측된 클래스를 비교하는 행렬로, 각 클래스 별로 잘 분류된 포인트와 잘못 분류된 포인트의 수를 정리한 것

 

TP true positive : positive 로 잘 예측

FP false positive : positive 로 잘못 예측

TN true negative : negeative 로 잘 예측

FN false negative : negative 로 잘못 예측

 

accuracy : (TP + TN) / P+N. 전체 중에 정확하게 분류할 확률

error rate : (FP + FN) / P+N

sensitivity (Recall or True Positive Rate) 민감도 : TP / (TP+FN). 원래 암일 확률에서 암이라고 판단할 확률

precision 정밀성 : TP / (TP+FP). 암이라고 예측한 값 중에서 실제로 암일 확률

specificity (True negative rate) : TN / (TN+FP)

false positive rate : FP / N