Naïve Bayes (나이브 배이스) Classifier - 실전 2 평가

바이너리 분류 모델에 있어서 평가 항목

위 링크를 참조

 

confusn_matrix

>>> from sklearn.metrics import confusion_matrix >>> print(confusion_matrix(Y_test, prediction, labels=[0, 1])) [[ 60 47] [148 431]]

 

Accuracy : 전체중에 추천은 추천, 비추천은 비추천으로 응답한 비율

 

Precision : 전체 추천 응답수에 진짜 추천일 비율

 

Recall : 전체 입력 추천수에 추천응답의 비율

 

f1 score : Precision과 Recall의 밸런스

 

추천(1)의 경우

>>> from sklearn.metrics import precision_score, recall_score, f1_score >>> precision_score(Y_test, prediction, pos_label=1) 0.9016736401673641 >>> recall_score(Y_test, prediction, pos_label=1) 0.7443868739205527 >>> f1_score(Y_test, prediction, pos_label=1) 0.815515610217597

 

비추천(0)의 경우

>>> f1_score(Y_test, prediction, pos_label=0) 0.38095238095238093

 

전체

>>> from sklearn.metrics import classification_report >>> report = classification_report(Y_test, prediction) >>> print(report)                     precision    recall     f1-score      support             0.0          0.29      0.56           0.38            107             1.0          0.90      0.74           0.82            579 micro avg           0.72       0.72          0.72            686 macro avg          0.60       0.65          0.60            686 weighted avg      0.81       0.72          0.75            686

어느 한쪽(1)의 class 비율이 높기때문에 Accuracy는 높게 나오고 0의 데이터수는 적기 때문에 precision recall f1 score는 낮게 나오고 있다.

2853 positive samples and 575 negative samples.