[AI] 정확도 (Accuracy) / 손실 (Loss)

정확도 (Accuracy)

 

 

정확도는 분류 모델의 성능을 측정하는 방법이다. 전체 데이터에 대한 예측 오류의 수로 볼 수 있다. 쉽게 말해, 전체 데이터 중에서 몇 개를 맞췄는가이다. 일반적으로 백분율로 표시된다. 정확도는 예측 값이 실제 값과 동일한 예측 횟수이다. 특정 샘플에 대한 바이너리 (true/false)이다. 정확도는 종종 전체 또는 최종 모델 정확도와 관련되지만 교육 단계에서 그래프로 표시되고 모니터링된다. 정확도는 손실보다 해석하기 쉽다.

 

손실 (Loss)

 

실제 정답과 모델이 예측 한 값 사이의 차이 (거리 또는 오차)이다. 비용 함수라고도 하는 손실 함수는 예측이 실제 값과 얼마나 다른지에 따라 예측의 확률 또는 불확실성을 고려한다. 이것은 모델이 얼마나 잘 수행되고 있는지에 대한 보다 미묘한 시각을 제공한다.

 

정확도와 달리 손실은 백분율이 아니라 훈련 또는 검증 세트의 각 샘플에 대해 발생한 오류의 합계이다. Loss는 모델에 대한 "최상의" 매개변수 값 (ex: 신경망의 가중치)을 찾기 위해 훈련 과정에서 자주 사용된다. 훈련 과정에서 목표는 이 값을 최소화하는 것이다.

 

가장 일반적인 손실 함수는 로그 손실과 교차 엔트로피 손실 (0과 1 사이의 오류율을 계산할 때 동일한 결과를 생성함), 평균 제곱 오차 및 우도 손실이다.

 

정확도와 달리 손실은 분류 및 회귀 문제 모두에 사용될 수 있다.

 

정확도와 손실의 관계

 

대부분의 경우 손실이 감소하면 정확도가 증가하지만 항상 그런 것은 아니다. 정확도와 손실은 다른 정의를 가지고 있으며 다른 것을 측정한다. 종종 반비례하는 것처럼 보이지만 이 두 측정 항목 사이에는 수학적 관계가 없다.

 

https://machine-learning.paperspace.com/wiki/accuracy-and-loss

Accuracy and Loss - AI Wiki