precision recall graph

precision recall graph 이해 : https://yoonheo91.tistory.com/9

Precision과 Recall에 관하여

 

1. false negative → false 가 negative 를 수식함 = true label 을 의미함
2. precision & recall 에 대한 이해, 그림 설명 방식이 참신함 : https://blog.naver.com/PostView.nhn?blogId=wideeyed&logNo=221531940245
   1. positive 기준으로 우선한다고 생각하면 외우기 편할 것
      1. false positive = 1종 오류 (오탐)
      2. false negative = 2종 오류 (미탐)
      3. f1_score ? 조화평균
         
         1. 산술 / 기하 / 조화 : https://wikidocs.net/23088
            1. quotation
               1. 아무튼 흔히 말하는 평균(산술평균)을 쓰지 않고 조화평균을 구하는 이유는 recall, precision 둘 중 하나가 0에 가깝게 낮을 때 지표에 그것이 잘 반영되도록, 다시말해 두 지표를 모두 균형있게 반영하여 모델의 성능이 좋지 않다는 것을 잘 확인하기 위함이다.
                  
                  예를 들어 recall, precision이 각각 1과 0.01이라는 값을 가지고 있다고 하자
                  
                  산술평균을 구하면 (1 + 0.01) / 2 = 0.505, 즉 절반은 맞히는 것처럼 보인다. 그러나 조화평균을 구해보면 2 * (1 * 0.01) / (1 + 0.01) = 0.019가 된다. 낮게 잘 나온다.