[Ensemble Learning] part 6 - 2

🧑🏻‍💻용어 정리

Accuracy
FPE
FNE
ROC curve

 

Supervised Learning에서 model의 성능은 어떻게 평가할 수 있을까요?

 

 

• model의 Accuracy를 측정합니다.
  • 각 경우에 대해 오차가 얼마나 있었는지 표현하는 방법은 Confusion matrix 입니다.
• False positive error:
  • 실제로 negative인데 positive로 판정한 경우입니다.
• False negative error:
  • 실제로 positive인데 negative로 판정한 경우입니다.

 

💡 Unbalanced Data set의 경우, Accuracy 이외에도 precision과 recall 값을 동시에 보아야 model의 성능을 제대로 측정할 수 있습니다.

 

 

• ROC Curve
  • 서로 다른 Classifier의 성능을 측정하는데 사용하는 curve입니다.
  • 가로축 FPR == 1 - TPR
  • 세로축 sensitivity == recall

출처 : https://towardsdatascience.com/roc-curve-in-machine-learning-fea29b14d133

 

서로 다른 classifier에 대해서 여러 개의 ROC Curve를 그렸을 때, 왼쪽 상단으로 갈 수록 성능이 좋은 curve임을 의미하게 됩니다.

 

 

• Error measure
  • 경우에 따라 recall or precision이 높아야 하는 경우가 존재한다.

 

 

 

Supervised Learning을 이용한 App

 

최신 Machine Learning app

 

• R-CNN
• CNN - input feature 받음 / LSTM - output 문장 구성
• Semantic Segmentation
• Pose estimation classification
• Face detection
• super resolution

 

 

problem

• Large data samples
• insufficient labels
• Domain adaptation
• transfer learning