이거 ML(prediction/classification/...)의 것과 측정,measurement(유효숫자,significant_digit/....)/부동소수점,floating_point/...의 것을 분리하는 게 최선인가? 분리한다면 번역이 동일하므로 section별로?
측정 쪽에선 (precision vs accuracy)가 비교됨 .... 정확도,accuracy
ML쪽에선 (precision vs recall)이 비교됨 .... 재현율,recall .........? CHK
ML쪽에선 (precision vs recall)이 비교됨 .... 재현율,recall .........? CHK
true positive / total positive.
Ratio of true positives to all the predicted positives.
Precision = TP / (TP + FP)
비교:
재현율,recall = 민감도,sensitivity = Recall = TP / (TP + FN)
재현율만 높다 - 정답이라 생각하는 것은 많이 찾겠지만, 오답이 많을 것이다.
정확도만 높다 - 정답이라 생각하는 것을 적게 찾겠지만, 그것들은 대부분 정답일 것이다.
(precision-recall trade-off)
재현율,recall = 민감도,sensitivity = Recall = TP / (TP + FN)
재현율만 높다 - 정답이라 생각하는 것은 많이 찾겠지만, 오답이 많을 것이다.
정확도만 높다 - 정답이라 생각하는 것을 적게 찾겠지만, 그것들은 대부분 정답일 것이다.
(precision-recall trade-off)
뇌종양 예측에서는 recall이 더 중요하다. 실제 뇌종양인데 뇌종양이 아닌 것으로 예측하면 위험하기 때문이다.
스팸메일 필터링에서는 precision이 더 중요하다. 정상 메일을 스팸으로 분류해버리면 곤란하기 때문이다.[1]
스팸메일 필터링에서는 precision이 더 중요하다. 정상 메일을 스팸으로 분류해버리면 곤란하기 때문이다.[1]
비교:
정확도,accuracy
average_precision ...
average_precision
mean_average_precision
정확도,accuracy
average_precision ...
average_precision이걸 쓰는 이유도 정밀도,precision - 재현율,recall trade-off 때문
tmp video ko: https://youtu.be/jqNCdjOB15s?t=686 - 정확도(precision)라는 틀린(또는 번역을 나와 다르게 한) 표현 주의
저렇게 단조감소그래프 넓이 계산을 해서 성능을 평가.
Up: 정밀도,precision
mean_average_precision (mAP) ... tmp video ko: https://youtu.be/jqNCdjOB15s?t=686 - 정확도(precision)라는 틀린(또는 번역을 나와 다르게 한) 표현 주의
저렇게 단조감소그래프 넓이 계산을 해서 성능을 평가.
Up: 정밀도,precision
mean_average_precision