머신러닝 성능지표

머신러닝 성능지표 개념

• 실제 값과 모델에 의해 예측된 값을 비교하여 머신러닝 모델이 얼마나 잘 학습했는지 평가하기 위한 지표
• 지도학습, 비지도학습, 강화학습 별 다른 성능지표 활용

머신러닝 성능지표 상세

지도학습 성능지표

구분	성능지표	설명
회귀	MSE	오차를 제곱하여 평균, 값이 작을수록 우수
-	RMSE	MSE의 제곱근, 해석을 용이하게 변환
-	MAE	오차의 절대값의 평균, 이상치에 덜 민감
-	R^2	회귀모델의 설명력을 표현, 1에 가까울수록 우수
분류	정확도	올바르게 예측한 비율, 클래스 불균형에 민감
-	정밀도	Positive로 예측한 것 중 실제 Positive 비율
-	재현율	실제 Positive 중 Positive로 예측한 비율
-	F1 Score	정밀도와 재현율의 조화평균, 불균형 데이터셋에 우수
-	AUC	ROC Curve의 면적, 종합적 성능 평가, 1에 가까울수록 우수

• 분류모델 성능 평가시 혼동행렬 작성 선행 필요

비지도학습 성능지표

구분	성능지표	설명
클러스터링	실루엣 지수	클러스터의 밀집 정도를 계산, 1에 가까우면 높은 성능
-	Dunn Index	군집 간 거리의 최소값, 군집 내 요소 간 거리 최대값의 비율
차원축소	재구성오차	축소 복원시 원본과의 오차를 평가
-	설명분산비율	축소된 차원에서 전체 데이터 분산 중 설명되는 비율
-	스트레스	저차원 공간에서 고차원 데이터 간 거리의 보존 정도를 평가

강화학습 성능지표

• 환경과 상호작용하며 보상이 최대화되는지 평가