머신러닝 성능지표

Ⅰ. 인공지능 모델의 성능평가, 머신러닝 성능 지표의 정의

- 인공지능 모델의 실제 유용성 평가를 위해 데이터 예측 정확도, 분석 시간, 결과 해석 용이성 등의 성능 평가 목적 지표

 

Ⅱ. 머신러닝 성능지표 상세

모델 유형	성능 평가 방법	설명
예측 / 회귀	MSE	Mean Squared Error, 실제값과 예측값의 차이를 제곱 평균한 값
	RMSE	Root Mean Squared Error, MSE에 루트를 씌운 값
	MAE	Mean Absolute Error, 실제값과 예측값의 차이를 절댓값으로 평균한 값
	MAPE	Mean Absolute Percentage Error, MSE, RMSE의 단점을 보완한 방법
분류	정확도	전체 데이터 중에 정확하게 예측한 데이터의 수
	정밀도	Precision, 양성으로 판단한 것 중, 진짜 양성의 비율
	재현율	Recall, 진짜 양성인 것들 중, 올바르게 양성으로 판단한 비율
	F1-score	정밀도 * 재현율 / (정밀도 + 재현율)

 

Ⅲ. 고급 성능 평가 방법

평가 방법	개념도	설명
혼동 행렬		- 예측 값과 실제값을 비교하여 표현한 행렬 - 표를 활용해 정밀도, 재현율 등 계산 가능
ROC 곡선		- 진짜 양성 비율과 거짓 양성 비율의 그래프 - 곡선 아래의 면적 AUC로 성능 수치화

- 비즈니스 목적을 이해하고 적절한 성능 지표 평가 방법 활용 필요