🔸분류(Classification)

분류(Classification)

• 지도학습의 일종으로, 기존 데이터의 category 관계 파악하여 새로운 데이터의 category 판별
• 종류:
  • 나이즈 베이즈(Naive Bayes): 베이트 통계와 생성 모델 기반
  • 로지스틱 회귀(Logistic Regression): 독립변수와 종속변수의 선형 관계성에 기반
  • 결정트리(Dicision Tree): 데이터의 균일도 규칙 기반
  • 서포트 벡터 머신(Support Vector Machine): 개별 클래스 간 최대 분류 마진 탐색
  • 최소 근접(K-Nearest Neighbor): 근접 거리 기준
  • 신경망(Neural Network): 심층 연결 기반
  • 앙상블(Ensemble): 서로 다른(또는 같은) 머신러닝 알고리즘 결합

분류 성과지표

• Confusion Matrix(오분류표, 혼돈행렬)
  
  • TP(True Positive) - 실제 positive를 positive로 올바르게 예측
  • TN(True Negative) - 실제 negative를 negative로 올바르게 예측
  • FP(False Positive, TypeⅠerror(1종 오류)) - 실제 negative를 positive로 잘못 예측
  • FN(False Negative, Type Ⅱ error(2종 오류)) - 실제 positive를 negative로 잘못 예측

• Accuracy(정확도)
  

  • 전체 예측값 중 실제값을 얼마나 정확히 예측했는지
    
  • 편향 함정 존재

• Precision(정밀도)

• Recall(Sensitivity; 재현도)

• Specificity(특이도)

• F1 score

• ROC(AUC, AUROC)