모델 성능 평가

#1 지도학습 모델 평가

MSE(Mean Squared Error)

RMSE(Root Mean Squared Error)

MAE(Mean Absolute Error)

 

AIC/BIC/Malllow's Cp'

#2 분류모델평가

정오분류표 (Confusion Matrix)
2차원 테이블 사용함
분류모델은 데이터가 각 클래스에 해당할 가능성이나 확률을 반환하도록 설계되는데, 미리 지정한 컷오프 또는 역치Cut-off, Treshold)의 초과 여부에 따라 클래스를 분류함
가장 빈번히 사용하는 컷 오프 값인 0.5를 예로들면, 만약 모델이 어떤 클래스가 1일확률이 55%, 2일 확률이 45%라고 예측했을 경우 클래스1로 분류한다

	클래스1 (실제)	클래스 2(실제)
클래스1(예측)	127	25
클래스2(예측)	32	48

정오분류표에서 도출할 수 있는 일반적인 성능평가지표는 Accuracy(정확도)이다.

Precision/Recall/Specificity특이성/F1 점수(F1 Score)/ AUROC(Area Under Receiver Operating Characteristics)