Confusion matrix
분류기의 성능을 평가하기 위해 간단히 accuracy (정확도)만을 사용할 수도 있지만 더 정확하게 평가하기 위해서 confusion matrix (오차 행렬) 를 조사하는 것이 필수적입니다.
1
1. Accuracy = $\frac{\text{TP + TN}}{\text{All}}$
2. Precision = $\frac{\text{TP}}{\text{TP + FP}}$
3. Recall = TPR = $\frac{\text{TP}}{\text{TP + FN}}$
4. F$\bf{_1}$ score = $\frac{2}{\frac{1}{Precision} + \frac{1}{Recall}}$
5. FPR = ...
Rank factorization
이번에 살펴볼 내용은 rank와 관련하여 행렬을 분해하는 방법인 rank factorization 입니다.
자세한 내용은 https://en.wikipedia.org/wiki/Rank_factorization 을 참조하세요.
For all $A$, there are $B$ and $C$ such that - $A = BC$
- $A \in \mathbb{R^{m \times n}}$, rank $A$ = $r$
- $B \in \mathbb{R^{m \times r}}$, rank $B$ = $r$
- $C \in \mathbb{R^{r \times n}}$, rank $C$ = $r$
Dimension and rank of a matrix
Matrix $A \in \mathbb{R^{m \times n}}$는 vector $\mathbf{x} \in \mathbb{R^n}$를 vector $\mathbf{y} \in \mathbb{R^m}$로 옮기는 사상으로 생각할 수 있다!
Matrix를 vector의 사상으로 생각하면 matrix의 의미에 대해서 깊이 이해할 수 있는데, 그 전에 중요 개념을 정의하고 넘어가겠습니다.
OvA vs OvO
Random forest, Naïve Bayes classifier와 같은 일부 알고리즘들은 multinomial classification을 직접 처리할 수 있지만, SVM, linear classifier 등의 일반적인 알고리즘들은 기본적으로 binary classification만 할 수 있습니다.
그러나 binary classifier를 여러 개 사용하여 multinomial classifier를 구현하기 위해 OvA(OvR)과 OvO 전략을 사용할 수 있습니다.
How to change favicon
https://tianqi.name/jekyll-TeXt-theme/docs/en/logo-and-favicon
Favicon은 일반적인 이미지들을 사용해도 상관없지만 logo의 경우 vector 기반의 svg 파일만을 지원합니다.
적당한 svg 파일을 찾지 못했다면 /_includes/svg/icon/social/ 안에 있는 SNS logo를 사용하는 것을 추천합니다.
2. End-to-End Machine Learning Project
Remarks
본 포스팅은 Hands-On Machine Learning with Scikit-Learn & TensorFlow (Auérlien Géron, 박해선(역), 한빛미디어) 를 기반으로 작성되었습니다.
384 post articles, 48 pages.