ml2 #8. [AI] 모델의 성능 평가 지표 ML에서 모델이 해결하려는 문제의 종류와 목적에 따라 어떠한 평가 지표를 따를지 결정해야 한다. 일반적으로 사용되는 몇 가지 경우를 알아보자. 1. 분류 모델 (Classification model) - SVM(Support Vector Machine), Random Forest, Decision Tree... ** 이진 분류 : 정확도(Accuracy), 정밀도(Precision), 재현율(Recall), F1 score, ROC-AUC score 등이 자주 사용된다. 정확도는 데이터가 클래스간 균형적으로 분포되어 있을 때 자주 사용 정밀도와 재현율은 데이터가 클래스간 불균형적으로 분포되어 있을 때 자주 사용 ROC-AUC score는 이진 분류에서 모델의 성능을 시각화한 것 ** 다중 분류 : 정확도.. 2023. 3. 7. #4. Machine learning / Deep learning 차이점? # 머신러닝과 딥러닝의 가장 대표적인 차이점을 뽑으라 한다면 인간의 개입 여부가 어느 정도인지에 따라 다르다고 할 수 있다. Feature Extraction이라는 과정을 통해 머신러닝은 컴퓨터 학습 전 미리 힌트를 주는 과정을 거치게 된다. # 세부적인 차이점을 살펴 보자면, 머신러닝은 보통 선형 모델(Linear Models), 결정 트리(Decision Tree) 등과 같이 비교적 단순한 모델을 사용한다. 반면, 딥러닝은 다층 인공 신경망(Artificial Neural Network)와 같이 복잡한 모델을 사용한다. 딥러닝은 상대적으로 머신러닝에 비해 복잡한 모델의 구조를 띄어 상대적으로 머신러닝보다 많은 양의 데이터를 이용하여 학습하여야 한다. 머신러닝은 지도 학습, 비지도 학습, 강화 학습 등.. 2023. 2. 26. 이전 1 다음
