사용방법
- 하나의 이진 분류 결과에서 TP, FP, TN, FN을 입력합니다.
- 선택적으로 데이터 세트 또는 워크플로와 일치하도록 양성 및 음성 레이블의 이름을 바꿉니다.
- 재현율 옆의 정밀도를 읽으면 잘못된 경보와 양성 누락에 대해 동시에 논의할 수 있습니다.
하나의 임계값에서의 양성 클래스 트레이드오프
이 페이지는 하나의 작동 지점에 초점을 맞추고 있습니다. 혼동 행렬 페이지보다 좁고 임계값 청소 페이지보다 가벼우므로 양성 클래스 트레이드 오프를 빠르게 설명할 수 있습니다.
입력
계산을 실행하여 하나의 이진 결과 집합에서 정밀도, 재현율 및 F1을 검토합니다.
정밀도와 재현율은 서로 다른 질문에 답합니다
정밀도는 예측 양성이 신뢰할 수 있는지 여부를 묻습니다. 재현율은 실제 양성이 발견되는지 여부를 묻습니다. 임계값을 낮추면 일반적으로 재현율이 먼저 올라가지만 경계선에 있는 음성 사례가 양성으로 분류되기 때문에 정밀도가 떨어지는 경우가 많습니다.
이 페이지에 머무는 시기
팀이 이미 하나의 작동 임계값을 선택했고 이제 결과적인 절충 사항에 대한 일반 언어 판독이 필요한 경우 여기에 머무르십시오. 이는 모델 검토 슬라이드, 선별 정책 토론 또는 임계값 승인 메모에 적합한 페이지인 경우가 많습니다.
ROC AUC로 전환해야 하는 경우
ROC AUC 임계값 자체가 여전히 협상 가능한 다음 단계입니다. 주요 질문이 선택한 하나의 컷오프가 아닌 전체 점수 스윕에서 민감도와 특이도가 어떻게 이동하는지에 관한 것이라면 해당 페이지를 먼저 사용하십시오.
자주 묻는 질문
ROC AUC 대신 언제 이 페이지를 사용해야 합니까?
하나의 임계값이 이미 선택되어 있고 해당 작동 지점에서 정밀도, 재현율 및 F1을 검사하려는 경우 이 페이지를 사용하십시오. ROC AUC는 하나의 컷오프를 적용하기 전에 여러 임계값에 걸쳐 점수 순위를 매기는 것입니다.
정밀도가 나빠지는 반면 재현율은 향상될 수 있는 이유는 무엇입니까?
임계값이 낮을수록 일반적으로 더 많은 사례를 양성으로 표시합니다. 이는 더 많은 실제 양성을 포착하여 재현율을 높이지만, 더 많은 거짓 양성을 허용하는 경향이 있어 정밀도가 낮아집니다.
F1은 정밀도와 재현율 외에 무엇을 추가합니까?
F1은 정밀도와 재현율의 조화 평균입니다. 정밀도나 재현율이 약할 때 떨어지는 하나의 요약 숫자를 제공하므로 컴팩트한 양성 클래스 측정항목이 필요할 때 유용합니다.
공유 URL에 내 개수나 라벨이 포함되어 있나요?
아니요. 공유 URL은 소수점 이하 자릿수와 같은 간단한 설정만 저장합니다. 개수와 맞춤 라벨은 브라우저에 그대로 유지됩니다.
관련
설명(선택사항)
부하를 줄이기 위해 필요할 때만 주석을 가져옵니다.