[머신러닝]다중분류 모델 성능 측정

이진 분류 머신러닝 모델에서 성능지표로 쓰이는 accuracy, precision, recall, f1 score 개념을 다중분류 모델에서도 사용할 수 있을까?
다중분류 모델에서 성능 측정하는 방법에 대해서 알아보고자 한다.

1. 기본 개념

1) TP: True Positive

• A,B,C,D로 예측해서 실제로 맞은 것
  

2) TN: True Negative for A

• A가 아니라고 예측해서 실제로 맞은 것
  

3) FP: False Positive for B

• B라고 예측해서 실제로 틀린 것
  

4) FN: False Negative for A

• A가 아니라고 예측해서 실제로 틀린 것
  

2. 성능지표

각 클래스별 지표의 평균을 최종 성능 지표로 사용한다.

1) Accuracy: $TP + TN\over TP + TN + FP +FN$

• 전체 데이터 중에서 올바르게 예측한 비율
• balanced data일 경우 accuracy 성능이 결과를 적절하게 반영해준다. 즉 클래스별 개수가 비슷하면 accuracy 성능이 정확하게 나온다.
  

2) F1 score: $2 * {precision * recall \over Precision + recal}$

• recall과 precision의 조화 평균
• imbalanced data의 경우 F1 score가 수행 결과를 적절하게 반영해준다.
  

3) Precision: $TP\over TP + FP$

• 맞다고 예측한 데이터 중에서 실제로 맞은 비율
  

4) Recall: $TP\over TP+FN$

• 실제로 맞는 데이터 중에서 모델이 맞다고 예측한 비율
  

학습 자료의 출처는 아래 유튜브 영상입니다.
https://www.youtube.com/watch?v=8DbC39cvvis