Classification Evaluation Metrics

1. 개념

• Confusion Matrix라 하며, model의 성능을 평가하기 위해서는 여러가지 지표들을 계산해야 하는데, 계산에 이용되는 값들을 정리한 표

 

2. 기본 지표

		예측 결과 (Predict Result)
		Positive	Negative
실제 상황 (Ground Truth)	Positive	TP(true positive) 옳은 검출	FN(false negative) 검출되어야 할 것이 검출되지 않았음
	Negative	FP(false positive) 틀린 검출	TN(true negative) 검출되지 않아야 할 것이 검출되지 않았음

 

3. 추가(유도된) 지표

• 여기서 우리는 Precision과 Recall이라는 것을 구하여 사용
• Precision
  • \( Precision=\frac{TP}{TP+FP} \)
  • 예측한 것들 중 제대로 object를 예측한 비율
  • detection의 결과가 실제 object와 얼마나 일치하는지를 나타내는 값
• Recall
  • \( Recall = \frac{TP}{TP+FN} \)
  • object중 제대로 예측된 비율
  • 실제 object를 얼마나 정확히 detection 하였는지를 나타내는 값
• Precision과 Recall은 결국 detection의 관점과 object의 관점에서 각각 바라본 것이고, trade-off 관계를 가짐