[Deep Learning] 척도 (Metrics)

척도 (Metrics)

 

척도는 어떤 모델을 평가하기 위해서 사용하는 값이다. 따라서 비슷한 개념인 loss function과의 개념이 헷갈릴 수 있다. loss function은 모델의 성능을 끌어올리기 위해서 참조하는 값이다. 다시말해, 트레이닝 (학습)을 위해서만 사용하는 나침반과 같은 존재라고 한다면 metrics는 모델의 성능을 알기 위한 개념이다. 따라서 metrics와 loss function의 개념은 분리되어야 하지만 경우에 따라서는 특정 metrics에 따라 최적화 하는 것이 최상일 때도 있다. 개념이 유사하기 때문에 동일한 개념으로 metrics를 사용하기도 하고 loss function을 사용하기도 한다.

 

https://learnanalyticshere.wordpress.com/

 

정확도 (Accuracy)

 

가장 많이 쓰이는 개념으로 타겟 대비 정확히 예측한 비율을 정의한다.

 

tf.keras.metrics.Accuracy(name="accuracy", dtype=None)

 

정밀도 (Precision)

 

모델이 참 (True)으로 예측한 것 중 실제로 True인 비율이다.

 

tf.keras.metrics.Precision(
    thresholds=None, top_k=None, class_id=None, name=None, dtype=None
)

 

재현율 (Recall)

 

실제로 True인 것 중에서 모델이 True로 예측한 비율이다.

 

tf.keras.metrics.Recall(
    thresholds=None, top_k=None, class_id=None, name=None, dtype=None
)

 

F1 Score

 

accuracy와 함께 많이 쓰이는 metrics 중 하나는 F1 Score이다. F1 score는 precision과 recall의 조화 평균 (Harmonic mean)을 나타내는 것으로 분류기 등을 만들 때 precision과 recall 사이에서 절충이 이루어지며 특이값의 리스크를 회피 할 수 있다. 

 

그 외의 metrics

 

https://keras.io/api/metrics/

Keras documentation: Metrics