Confusion Matrix (혼동행렬) - Precision, Recall, Accuracy

'Confusion matrix (혼동행렬)'

confusion matrix는 'contingency table' or 'an error matrix'라고도 표현되는데, 

이는 주로 알고리즘의 성능을 평가할 때, 평가하는 지표로 많이 사용된다. 

생김새는 아래와 같이 생겼다. 

 

'confusion matrix'에서 

'True/False'는 실제 값이 1이냐 0이냐를 맞췄는지를 나타냄

  즉, 'True'는 실제와 예측이 일치하는경우 이며, 'False'는 실제와 예측이 불일치하는 경우를 말함

'Positive/Negative'는 예측한 값이 1이냐 0이냐를 의미함

 

TP의 경우 1라고 예측했는데, 실제로도 1인 경우 (정답)

TN의 경우  0라고 예측했고, 실제값 또한 0인 경우 (정답)

FP의 경우 1라고 예측했으나, 실제값은  0인 경우, 

FN의 경우 0라고 예측했는데, 실제로는 1인 경우, 

 

Precision

     TP / TP+FP

     -> 즉, 1이라고 예측한 것 중 실제 값이 1인 것 --> 내가 푼 문제 중에 맞춘 정답 개수

    (1에 가까울수록 좋다) 

 

Recall (=sensitivity)

     TP / TP+FN

     -> 즉, 실제 값이 1인 것 중 1이라고 예측한 것 --> 전체 1 중에서 내가 몇개를 맞췄는가 

    (1에 가까울수록 좋다)

 

Accuracy   > '전체 중에서 올바르게 예측한 것이 몇개인지' 

     TP + TN / TP+TN+FP+FN

     -> 즉, 전체 경우의 수 중에서 True로 행동한 비율

    (1에 가까울수록 좋다)