classification

Classification(분류)과 Regression(회귀) 알고리즘은 supervised learning(지도 학습) 알고리즘으로, 두 알고리즘 모두 머신러닝의 예측에 사용되며 레이블이 지정된 데이터셋과 함께 사용된다. Classification과 Regression의 주된 차이는 classification의 경우 남성 vs 여성, 참 vs 거짓 등의 discrete한 value를 예측/분류하는데 사용되고, regression은 가격, 급여, 나이 등과 같은 continuous한 value를 예측하는데 사용된다는 점이다. Classification데이터셋을 다양한 파라미터를 기반으로 클래스를 나누는데 도움이 되는 함수를 찾는 프로세스입력 x를 discrete한 출력 y에 매핑하는 매핑 함수를 찾는 것..

Classification의 성능 평가 방법인 TP, TN, FP, FN, Recall, Precision, ROC,... 등을 정리 Binary classification 성능 평가True Positive(TP) : P → P 로 예측 (정답)True Negative(TN) : N → N 으로 예측 (정답)False Positive(FP) : N → P 로 예측 (오답)False Negative(FN) : P → N 으로 예측 (오답)  Accurarcy : 모든 입력 데이터 중, 잘 분류한 데이터의 비율Recall : Positive 중에 Positive라고 예측한 비율. (P→P)와 (P→N) 중 (P→P)의 비율Precision : Positive 라고 예측한 것 중 실제 positive 인 비율..