이 글을 보기 전에 https://fakecan.tistory.com/58 에서 confusion matrix(TP, FP, TN, FN)을 보시기 바랍니다. 모델을 평가하려면 지표가 필요합니다. 이런 지표 중에서 대표적이라 할 수 있는 Precision(정밀도)과 Recall(재현율)을 이해해보겠습니다. 설명하기 이전에, 사용 모델을 '나'라고 치환해서 설명하겠습니다. e.g. 내가 맞다고 분류한 것 중에서 실제로 맞는 것의 비율 → 모델이 맞다고 분류한 것 중에서 실제로 맞는 것의 비율 그리고 '판단'이라는 말을 '예측'이라는 말로 생각하셔도 무방합니다. Precision(정밀도) 내가 맞다고 판단한 것 중에서 실제로 맞는 것의 비율 TP : 내가 맞다고 판단한 것이 실제로 맞는 것(정답을 맞힌 상황..

딥러닝 모델에서 평가 지표는 어떤 모델의 성능을 측정하는 단위가 되기 때문에 매우 중요합니다. 모델에 대해서 평가를 할 수 없다면 모델들끼리의 좋고 나쁜지 알 수 없기 때문입니다. 성능을 위해서 사용되는 지표의 기본 개념들을 알아보겠습니다. Confusion Matrix(TP, FP, TN, FN) 저 위에 설명이 직관적으로 와닿지 않을 수 있습니다. 조금 풀어 써보겠습니다. 먼저 TP, FP, TN, FN의 단어 뒷부분을 담당하는 Positive(or Negative)는 나의 생각을 나타냅니다. 내가 문제를 정답으로 생각하냐 오답으로 생각하냐를 나타냅니다. 그렇다면 단어 앞부분의 True(or False)는 내 생각이 맞는지 틀린지 정해주는 기준이 됩니다. 그리고 단어를 해석할 때, 단어 뒷부분의 P(..