1.Confusion matrix

• TP(True Positive): 실제로 True이면서 예측도 True로 한 케이스
• TN(True Negative): 실제로 False이면서 예측도 False로 한 케이스
• FP(False Positive): 실제로 False인데 예측을 True로 한 케이스 = Type Ⅰ Error
• FN(False Negative): 실제로 True인데 예측을 False로 한 케이스 = Type Ⅱ Error

cf.

FN의 경우, 입사 시험 문제에 출제 됐던 기억이 있습니다.자세히 기억은 안나지만 '어떤 경우의 위험도가 가장 높냐'는 내용이었고,비즈니스에 따라 다르지만 의학의 경우, 양성을 음성으로 잘못 판단할 수 있는 FN가 가장 위험도가 높다고 적었던 기억이 있습니다.

Accuracy, Precision, Recall, F-1 Score

• Accuracy: 전체 중 맞춘 케이스 비율,"얼마나 잘 맞췄냐" TP + TN / 전체(TP+FN+FP+TN)

  `print('검증 정확도: ', accuracy_score(y_val, y_pred))`
  

• Precision: 정밀도, True라고 예측한 케이스 중 실제 True인 비율, "True라고 예측한 것 중에 얼마나 실제 True가 있나" TP / TP + FP

• Recall: 재현율 실제 True 중 True라고 맞게 예측한 비율,"실제 True 중에 얼마나 True라고 맞췄나" TP / TP + FN

• F-1 Score: 정밀도도 중요하고 재현율도 중요한데, 둘 중 무엇을 쓸지 고민이 될때, 이 두 값의 조화 평균을 내서 하나의 수치로 나타낸 지표

임계값