[28일차] ASAC 빅데이터 분석가 4기(ML-2)

📌 Machine Learning

• 분류 모델 평가
  • Confusion Matrix

종류		예측값		지표
		P	N
실제값	P	True Positives (TP)	False Negatives (FN)	Recall, Sensitivity TP / (TP + FN)
	N	False Positives (FP)	True Negatives (TN)	Specificity TN / (TN + FP)
지표		Precision TP / (TP + FP)	Negative Predictive Value TN / (TN + FN)	Accuracy TP + TN / (TP + TN + FP + FN)

• 회귀 모델 평가
  • MSE(Mean Squared Error) : 기본적인 회귀식에서 나오는 오차 제곱의 합의 평균이다.
  • RMSE(Root Mean Squared Error) : MSE의 제곱근을 구한 지표다.
  • 결정계수(R Squared) : 간단한 모델의 오차 제곱의 합에 대한 SSE를 단순한 모델의 응답인
    응답 평균의 오차제곱과 비교를 통해 모델이 잘 했는지 여부를 평가할 수 있다.
• 편향-분산 트레이드-오프(Bias-Variance trade-off) : 지도 학습 알고리즘이 훈련 데이터의 범위를 넘어,
  지나치게 일반화 하는 것을 예방하기 위해 두 종류의 오차를 최소화 할때 겪는 문제이다.

구분	모델 복잡도	적합성
Bias 오차가 낮고 Variance 오차가 높은 경우	복잡	과대적합(Over Fitting)
Bias 오차가 높고 Variance 오차가 낮은 경우	단순	과소적합(Under Fitting)

• K-Fold Cross Validation : Training Data Set을 다시 K개로 분할하여 검증을 반복하는 것이다.
  모든 데이터 셋을 평가에 활용할 수 있어 편중을 막을 수 있다.