📄 인공지능 모델 정확도 측정

Confusion Matrix

• TP: True Positive
• TN: True Negative
• FP: False Positive
• FN: False Negative

Accuracy

$$accuracy = {올바르게 추론한 데이터 개수 \over 전체 데이터 개수}$$ $$accuracy = {TP + TN \over TP + TN + FP + FN}$$

Precision

$$precision = {TP \over TP + FP}$$

Recall

$$recall = {TP \over TP + FN}$$

F1 Score

$$score = 2 \times {precision \times recall \over precision + recall}$$ $$score = {2TP \over TP + FP + FN}$$

Kappa

$$K={모델이 True로 예측한 데이터 개수 - 실제 True인 데이터의 개수 \over 1 - 실제 True인 데이터의 개수}$$

MCC(Matthews Correlation Coefficient)

$$MCC = {TP \times TN - FP \times FN \over \sqrt{(TP+FP)(TP+FN)(TN+FP)(TN+FN)}}$$

ROC Curve

가로축을 FP Rate(Specificity)값의 비율로 하고 세로축을 TP Rate(Sensitive)로 하여 그래프로 그린것

$$specificity = {TN \over TN+FP}$$ $$sensitive = recall = {TP \over P}$$

AUC(Area Under Curve)

ROC 곡선의 하부 면적.

• ROC 그래프를 그린 다음 적분하거나 높이를 모두 더하여 면적을 계산