Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 | 31 |
Tags
- GCP
- 알파베타가지치기
- 사회연결망분석
- ROC-AUC Curve
- 허깅페이스
- 의미연결망
- Holdout
- 임베딩
- Min-Max 알고리즘
- hugging face
- word representation
- 감성분석
- semantic network
- topic modeling
- 동적토픽모델링
- sbert
- Enriching Word Vectors with Subword Information
- 구글클라우드플랫폼
- Meena
- sensibleness
- sequential data
- dynamic topic modeling
- word2vec
- type-hint
- Google Cloud Platform
- QANet
- 분류모델평가
- 머신러닝
- 토픽모델링
- degree centrality
Archives
- Today
- Total
목록분류모델평가 (1)
Dev.log
ROC-AUC curve
본 포스팅에서는 ROC-AUC curve에 대해 포스팅 해보도록 하겠습니다. 전 포스팅에서 말씀드렸다 싶이, confusion matrix는 분류문제를 학습한 모델을 평가할 때 사용되는 지표입니다. ROC curve 역시 다양한 threshold에서 분류모델의 성능을 측정 할때 주로 사용되는 방법중 하나입니다. ROC-AUC Curve ROC는 분류 모델의 성능을 보여주는 그래프가 될 수 있습니다. 또한, ROC curve는 모델의 효율성을 민감도(sensitivity)와 특이도(specificity)를 사용하며, ROC curve의 x축은 False Positive Rate(FPR, fall-out)으로 거짓을 참이라고 잘못 예측한 수치를 나타냅니다. 그리고 y축은 True Positive Rate(T..
카테고리 없음
2022. 2. 22. 22:09