균형 잡힌 정확도란 무엇입니까? (정의 & #038; 예)

에 의해 벤자민 앤더슨 7월 23, 2023 가이드 댓글 0개

균형 잡힌 정확도 는 분류 모델 의 성능을 평가하는 데 사용할 수 있는 측정항목입니다.

다음과 같이 계산됩니다.

균형 정확도 = (민감도 + 특이도) / 2

금:

이 측정항목은 두 클래스의 균형이 맞지 않을 때, 즉 한 클래스가 다른 클래스보다 훨씬 더 많이 나타날 때 특히 유용합니다.

다음 예는 실제로 균형 잡힌 정확도를 계산하는 방법을 보여주고 이것이 왜 그렇게 유용한 지표인지 보여줍니다.

스포츠 분석가가 로지스틱 회귀 모델을 사용하여 400명의 대학 농구 선수가 NBA에 선발될지 여부를 예측한다고 가정해 보겠습니다.

다음 혼동 행렬은 모델의 예측을 요약합니다.

모델의 균형 잡힌 정확도를 계산하기 위해 먼저 민감도와 특이도를 계산합니다.

그런 다음 균형 정밀도를 다음과 같이 계산할 수 있습니다.

모델의 균형 정확도는 0.8684 로 나타났습니다.

균형 정밀도가 1에 가까울수록 모델이 관측치를 더 정확하게 분류할 수 있다는 점에 유의하세요.

이 예에서는 균형 정확도가 상당히 높아서 로지스틱 회귀 모델이 대학 선수가 NBA에 드래프트될지 여부를 매우 잘 예측하고 있음을 알 수 있습니다.

이 시나리오에서는 클래스가 매우 불균형하기 때문에(20명의 플레이어가 드래프트되고 380명의 플레이어가 드래프트되지 않음) 균형 잡힌 정확도는 전체 정확도 측정에 비해 모델 성능에 대한 보다 현실적인 그림을 제공합니다.

예를 들어, 다음과 같이 모델 정확도를 계산합니다.

모델의 정확도는 0.975 로 매우 높은 것으로 보입니다.

그러나 모든 플레이어가 드래프트되지 않을 것이라고 단순히 예측하는 모델을 생각해 보세요. 정확도는 380/400 = 0.95 입니다. 이는 우리 모델의 정확도보다 약간 낮습니다.

0.8684 의 균형 정확도 점수는 두 클래스를 모두 예측하는 모델의 능력에 대한 더 나은 아이디어를 제공합니다.

즉, 어떤 플레이어가 드래프트되지 않을 것인지 , 어떤 플레이어가 드래프트되지 않을 것인지 예측하는 모델의 능력에 대해 더 나은 아이디어를 제공합니다.

다음 튜토리얼에서는 다양한 통계 소프트웨어에서 혼동 행렬을 만드는 방법을 설명합니다.

안녕하세요. 저는 통계학 교수를 퇴직하고 전임 통계 교사로 변신한 벤자민입니다. 통계 분야의 광범위한 경험과 전문 지식을 바탕으로 Statorials를 통해 학생들에게 힘을 실어주기 위해 지식을 공유하고 싶습니다. 더 알아보기