[분류 러닝] 성능 측정 => Confusion Matrix

두 개의 클래스로 분류하는 경우는 아래와 같다.

# Negative = 0, Positive = 1

 

 

미탐지가 0에 가까울수록 적중율 상승,

미탐지가 적은것이 중요!

 

오탐지가 0에 가까울수록 정밀도 상승.

 

코딩

from sklearn.metrics import confusion_matrix

cm = confusion_matrix(y_test, y_pred)

cm

array([[51,  4],
       [ 8, 17]], dtype=int64)

 

정확도 accuracy 계산식
맞춘것의 개수/ 전체 개수
(51+17) / cm.sum()

0.85

 

정확도 라이브러리 함수

from sklearn.metrics import accuracy_score

accuracy_score(y_test, y_pred)

0.85

from sklearn.metrics import classification_report

print(classification_report(y_test, y_pred))

              precision    recall  f1-score   support

           0       0.86      0.93      0.89        55
           1       0.81      0.68      0.74        25

    accuracy                           0.85        80
   macro avg       0.84      0.80      0.82        80
weighted avg       0.85      0.85      0.85        80