[Day 33] Choose your ML problems

https://www.codestates.com/

코딩부트캠프 | 코드스테이츠 - 비전공생도 개발자가 될 수 있습니다

---

Warm-up

• Classification Accuracy
• Imbalanced Classes

---

Note

• 타겟설정
  • 이산형, 순서형, 범주형 타겟 특성도 회귀문제 또는 다중클래스 분류문제로 볼 수 있음.
  • 회귀, 다중클래스 분류문제들도 이진 분류모델로 바꿀 수 있음.
• 정보의 누수 ( Leakage )
  • 타겟 변수 외에 예측 시점에 사용할 수 없는 데이터가 포함되어 학습이 이루어 질 경우.
  • 훈련데이터와 검증데이터를 완전히 분리하지 못했을 경우.
• 평가지표 선택
  • 정확도만 사용하면 판단이 정확하지 않음.
  • 정밀도, 재현율, ROC Curve, AUC 등을 같이 사용해줘야 함.
• 불균형 클래스
  • OverSampling
  • UnderSampling
• Skewd Data
  • Log 변환 등으로 치우친 데이터를 가운데로 옮겨줘야함.

---

Review

많은 데이터를 찾아보고 그것을 분석해보면서 점점 더 분석해보고 싶은 생각이 든다.

---

참고

https://www.youtube.com/watch?v=XeJZbCT84Js 

https://laptrinhx.com/confusion-matrix-accuracy-precision-recall-f1-score-2087412546/

Confusion Matrix, Accuracy, Precision, Recall, F1 Score