= tmp from https://m.blog.naver.com/sw4r/221015817276 =
||                ||model의 예측이 positive ||model의 예측이 negative ||
||정답이 positive ||TP ||FN ||
||정답이 negative ||FP ||TN ||

= tmp from https://blog.naver.com/wideeyed/221531940245 =
||              ||실험/예측 negative ||실험/예측 positive ||
||실제 negative ||TN ||FP ||
||실제 positive ||FN ||TP ||

= Kwak Slide 1 =
(page no is shown)
https://i.imgur.com/gez40q0.png
[[evaluation_metric]] - 번역? 평가계량? Google:evaluation_metric Naver:evaluation_metric
https://i.imgur.com/a8tkTdz.png
https://i.imgur.com/9ULdj9b.png

https://i.imgur.com/IuMTypi.png
----
[[참양성,true_positive,TP]]
[[참음성,true_negative,TN]]
[[거짓양성,false_positive,FP]]
[[거짓음성,false_negative,FN]]

참양성 true positive TP
참음성 true negative TN
거짓양성 false positive FP = type I error
거짓음성 false negative FN = type II error
(error: see [[오류,error]])

[[참양성율,true_positive_rate,TPR]] = [[민감도,sensitivity]] = [[재현율,recall]]
[[참음성율,true_negative_rate,TNR]] = [[특이도,specificity]]
[[거짓양성율,false_positive_rate,FPR]]
[[거짓음성율,false_negative_rate,FNR]]

[[정밀도,precision]] = TP / (TP + FP)
 0 ~ 1 사이 값을 가짐.
 정확도가 1.0이다 : FP가 0건이다.
 Precision이 1.0이다 : false positive가 0건이다.
 (참 양성 예측 수) / (총 양성 예측 수)

[[재현율,recall]] = TP / (TP + FN)
 0 ~ 1 사이 값을 가짐.
 재현율이 1.0이다 : FN이 0건이다.
 Recall이 1.0이다 : false negative가 0건이다.

F1 score = 2 / ( 1/Precision + 1/Recall )

[[정확도,accuracy]] = (TP + TN) / (TP + FP + TN + FN)
 (총 예측 수) / (올바른 예측 수)

특이성? 특이도? specificity = TN / (TN + FP)

이것들은 see also [[분류,classification]]

----
MKLINK
[[기계학습,machine_learning]]
[[분류,classification]]
[[이진분류,binary_classification]]
model - 페이지명은 [[분류모형,classification_model]]이 나을듯
[[ROC곡선,ROC_curve]]
[[회귀,regression]]
[[선형회귀,linear_regression]]
[[회귀분석,regression_analysis]]
[[예측,prediction]]
[[행렬,matrix]] and [[표,table]] and [[테이블,table]]

----
Twins:
https://developers.google.com/machine-learning/glossary?hl=ko#confusion-matrix

AKA '''오류행렬 error matrix'''

Up: 데이터과학 [[분류,classification]] [[이진분류,binary_classification]] [[오류,error]]