False Positive
실제 음성 (negative) 인 데이터를 (통계) 모델이 양성 (positive) 으로 판정해서 발생하는 오류
- 실제: negative (False)
- 예측: positive
귀무가설 이 실제로 참이지만, 귀무가설을 기각하는 오류이다.
Error 라고도 불린다. Type 1 error 의 0.05 및 5% 의 유의수준은 귀무 가설이 5% 확률로 잘못 기각될 수 있다는 의미를 가진다.
1 min read
실제 음성 (negative) 인 데이터를 (통계) 모델이 양성 (positive) 으로 판정해서 발생하는 오류
귀무가설 이 실제로 참이지만, 귀무가설을 기각하는 오류이다.
α Error 라고도 불린다. Type 1 error 의 0.05 및 5% 의 유의수준은 귀무 가설이 5% 확률로 잘못 기각될 수 있다는 의미를 가진다.
Bloom Filter 블룸 필터는 공간을 효율적으로 사용할 수 있는 확률적 데이터 구조로, 어떤 원소가 주어진 집합의 원소로 존재하는지 여부를 테스트하는데 사용된다. 블룸필터에서 False Positive 는 발생할 수 있지만, False Negative 는 발생할 수 없다. 다른말로 하자면, 주어진 쿼리는 “ 아마 집합에 존재할 것 ” 이거나 “ 반드시 집합에 존재하지 않는다 ” 라는...
FPR FPR(False Positive Rate)은 실제 negative 중에서 모델이 positive 로 잘못 예측한 비율이다.
Hard Negative hard negative 는 False Positive 의 일종으로, 실제로는 negative 인데 positive 라고 잘못 예측하기 쉬운 데이터다. 반대로, easy negative 는 실제로 negative 이고 예측도 negativ...
FPR FPR(False Positive Rate)은 실제 negative 중에서 모델이 positive 로 잘못 예측한 비율이다.
Hard Negative hard negative 는 False Positive 의 일종으로, 실제로는 negative 인데 positive 라고 잘못 예측하기 쉬운 데이터다.
False Negative 귀무가설 이 실제로 거짓이지만, 귀무가설을 채택하는 오류. 실제 양성인 것을 음성으로 판별. \beta 오류라고 부른다. Related References.
Recall recall 은 전체 positive example 중, 모델이 얼마나 positive example 을 잘 찾아내는가를 나타내는 척도이다.
ROC Curve ROC(Receiver Operating Characteristic) curve 는 classification 의 모델의 성능을 표현하기 위한 curve 이다.
F1 Score f1 score 는 Recall 과 precision 에 대한 조화 평균 (harmonic mean) 점수다.
True Positive Rate True Positive Rate(TPR)는 실제 positive 중 모델이 positive 로 맞힌 비율이다. 같은 개념을 Recall 또는 sensitivity 라고도 부른다.
AUROC Area Under the Receiver Operating Characteristic Curve The AUROC score summarizes the ROC curve into an single number that describes the performance of a model for...
귀무 가설이란 귀무가설 (null hypothesis) H 0 은 모집단의 특성에 대해 옳다고 제안하는 잠정적인 주장을 의미한다. In other words, 우리가 관찰한 어떤 효과가 특별한 것이 아니고 우연에 의해 발생한 것이라는 주장을 의미한다.
Bias bias 는 데이터 내에 있는 모든 정보를 고려하지 않음으로 인해, 지속적으로 잘못된 것들을 학습하는 경향을 말한다. 어떤 모델을 학습시켰을 경우, 그 모델이 예측한 값과 실제 정답이 얼마나 멀리있는지를 나타내는가 생각해보면 된다.