classification2 False Negative와 False Positive 개념 이해하기 False Negative와 False Positive는 이진 분류(binary classification)에서 주로 사용되는 개념입니다. False Negative(가음성, FN)은 실제로는 긍정(positive) 케이스인데 부정(negative)으로 잘못 분류한 경우를 말합니다. 예를 들어, 암 진단에서 환자가 암에 걸렸는데 검사 결과 음성으로 나온 경우가 해당됩니다. False Positive(가양성, FP)는 반대로 실제로는 부정(negative) 케이스인데 긍정(positive)으로 잘못 분류한 경우입니다. 예를 들어, 스팸 메일 필터에서 정상 메일을 스팸으로 잘못 분류한 경우가 이에 해당합니다. 이를 기억하기 쉽게 하는 방법은 "False는 잘못됨(Wrong)"을 뜻하고, Negative는 ".. 2024. 4. 23. 머신러닝 - 학습 데이터 속성 머신러닝 작업은 학습 데이터의 속성에 따라 나뉜다 비지도 학습 (Unsupervised learning) 레이블 없는 데이터 (unlabeled data) 로 데이터의 구조나, 패턴을 찾고 데이터를 그룹화한다 지도 학습 (Supervised learning) 레이블 데이터 (labeled data) 를 사용 학습 목표는 입력과 결과를 매핑시키는 룰을 찾는 것 ex> 얼굴인식, 음성인식, 상품추천, 영화추천, 영업실적 전망 1. 회귀 (regression) 연속적인 값을 학습하고 예측하는 것 집값 예측 등 2. 분류 (classification) 긍정/부정 같은 감성 분석이나 채무 불이행 예측 같은 레이블을 찾는 것 준지도 학습 학습단계에서 (소량의) 레이블데이터와 (대량의) 레이블이 없는 데이터를 사용 .. 2020. 7. 30. 이전 1 다음
