Warm Developer

sklearn.metrics 메소드를 살펴보자 1. confusion matrix 형태의 데이터를 관리한다. : 클래스 분류 결과를 실제(정답) 클래스와 예측 클래스를 축으로 가진 형태 sklearn.metrics.confusion_matrix(y_true, y_pred, *, labels=None, sample_weight=None, normalize=None) 실제 클래스 예측 클래스 TP ( True Positive ) T T TN ( True Negative ) F F FP ( False Positive ) F T FN ( False Negative ) T F -- case 1 ( 예측 : 행 / 실제 : 열 ) 0 : Negative / 1 : Positive 0 1 0 TN FP 1 FN TP..

scikit-learn 모듈을 사용하여 머신러닝을 구현해보자 머신러닝 구현 단계 1단계 : 데이터 수집 및 전처리 2단계 : 데이터 분할 - sklearn.model_selection.train_test_split : 목적 데이터를 분할 3단계 : 모델 지정 - ex) sklearn.ensemble.RandomForestClassifier -> sklearn.ensemble.* 등 모델 사용 4단계 : 모델 학습 - model.fit( X, y ) 5단계 : 테스트 및 평가 : model.predict( ) , sklearn.metrics. * 정답률 : accuracy_score( ) 적합율 : precision_score( ) 재현율 : recall_score( ) 평가지표 산출률 : Classifi..