머신러닝 모델의 성능(모델의 성능을 정량화)을 평가하기 위해 다양한 성능 지표가 사용됩니다. 일단 머신러닝의 성능지표는 실제 값과 모델에 의해 예측된 값을 비교하여 머신러닝 모델이 얼마나 학습을 잘했는지 평가하기 위한 척도를 의미합니다. 일반적으로 머신러닝은 다음과 같이 3개의 학습부류로 나뉩니다.- 지도학습- 비지도학습- 강화학습 이 지표들은 문제의 유형(분류, 회귀 등)에 따라 다르며, 모델의 강점과 약점을 파악하고 개선 방향을 제시하는 데 중요한 역할을 합니다. 아래는 주요 성능 지표와 그 특징에 대한 설명입니다. 분류 문제의 성능 지표 - 정확도 (전체데이터 중 올바르게 예측한 비율)- 정밀도 (양성으로 예측된 것 중 실제 양성인 비율)- 재현율 (- F1-Score- ROC-AUC 분류 문제..
