Methods for Performance Evaluation
어떻게 성능을 측정할 것인가?
이것은 Learning 알고리즘에 의존적인 문제이다. 생각해 볼 수 있는 지표들은 아래와 같다.
Class of distribution: 균등함의 정도를 나타낸다.
Cost of misclassification
Size of training and test sets
Holdout 방법
Reserve 2/3 for training and 1/3 for testing 으로
Metrics for Performance Evaluation
Computing Cost of Classification
주어진 Cost Matrix
Sensitivity and Specificity
바이너리 classification test에서 주로 사용 하는 통계적인 measure가 Sensitivity와 specificity 이다.
Wikipedia: URL
Sensitivity는
True positive rate
recall
로 불린다.
Specificity는
True negative rate
예측한것 들 중에서 실제로 negative 인것 / 전체 negative 인것
좀 더 읽어보기
Practical Machine Learning post
Receiver Operating Characteristic, Cross validation
'AI > Theory' 카테고리의 다른 글
| Bayesian Classifiers (0) | 2015.04.23 |
|---|---|
| K Nearest Neighbors - Classification (0) | 2015.04.23 |
| Classification: Decision Tree (2) | 2015.04.19 |
| Data Type and Data preprocessing (0) | 2015.04.18 |
| Support Vector Machine (0) | 2015.04.17 |