Dev/python15 역시나 아무도 궁금해하지 않았지만 설명하는 분류모델 평가지표들 쭉쭉, 미디엄 글을 옮겨와보쟈 지난 포스팅에서는 회귀모델 평가 지표들에 대해 얘기했었어요! 예측모델에 대해서 말해보았으니 당연히 분류모델 평가 지표들에 대해서도 설명해야겠죠?ㅎㅅㅎ 분류모델 평가지표를 살펴보기 전, 분류모델에 대해 잠깐 설명하고 갈게요! 예측모델은 학습/테스트를 거쳐 연속형 변수를 예측하는 데에 목적을 두고있다면, 분류모델은 말 그대로 어떤 대상에 대해 Positive인지, Negative인지 분류하는 모델이에요! 그래서 전 악필이라고 미리 말씀 드렸습니다…. 이런 표를 하나 알고가셔야 합니다! 총 4가지의 경우로 나누어지는데요, 실제도 Positive, 예측도 Positive인 True Positive인, 간단히 TP로 부르는 친구가 있구요, 실제는 Negative인데 Positive로.. 2021. 10. 27. 아무도 궁금해하지 않았지만 설명하는 회귀모델 평가지표들 이전 포스팅에 이어지는 글! 앞선 글에서, 머신러닝 모델의 성능을 ‘RMSE’ 라는 기준으로 정렬했었습니다! 그때는 RMSE에 대해 간단히 설명하고 넘어갔는데, 이게 도대체 뭔지, 다른 기준들도 있는데 왜 이걸로 기준을 잡았는지 조금 더 설명하고 싶어서 돌아왔어요!ㅎㅎ..아무도 궁금해하지 않으셨겠지만..그냥 제가 설명하고싶었어요… 1. MAE MAE는 Mean Absolute Error의 약자로, 평균 절대 오차를 의미합니다! 악필은 조심스럽게 무시해주세요.. 이름의 의미 그대로, 모든 절대오차를 더한 뒤 개수로 나눠 평균을 구한 값입니다. 직관적으로 실제값과 예측값의 오차를 보여주어 예측변수와 단위가 같다는 장점이 있습니다! 여기서 예측변수와 단위가 같다는 의미는, 만약 저희가 한 팀의 득점에 대해 예.. 2021. 10. 27. pycaret, 같이 해볼까요? 재직 중 열심히 사용하던 미디엄 블로그에서 내가 썼던 글들을 조금씩 미디엄으로 옮겨올까 한다! 나름 애정을 가지고 열심히 포스팅을 했어서, 티스토리로 개발 블로그를 운영하기로 한 이상 열심히 옮겨올 예정이다ㅎㅅㅎ pycaret은 파이썬 머신러닝 패키지로, 정말 많은 머신러닝 모델을 알아서 train/test 데이터에 따라 구동한 뒤 결과까지 비교해서 가장 효과적인 모델의 결과를 보여주는 패키지에요. 분류와 회귀분석을 모두 사용할 수 있고, 파라미터만 바꿔서 feature importance 나 score 까지 확인할 수 있으니 정말 편리하겠죠 ;) 그럼 어떻게 사용하는지 한 번 쭉 살펴보러 가봅시다! 0. 넣을 데이터 전처리 무작정 파이캐럿을 import 하기 전에, 넣을 데이터를 전처리해보도록 하겠습니.. 2021. 10. 27. 이전 1 2 3 다음
