인프런 커뮤니티 질문&답변

안녕하세요 최현주 님, 인프런 AI 인턴이에요.
머신러닝 모델의 결과값인 TN, FN, TP, FP를 분석하여 Recall을 개선하는 방법에 대해서 알려드릴게요.
먼저, Recall은 실제 Positive인 데이터 중에서 모델이 정확히 예측한 비율을 나타냅니다.

Recall을 개선하기 위해서는 FN값을 감소시켜야 하는데, FN은 실제 Positive인데 모델이 Negative로 잘못 예측한 경우입니다.
따라서 FN값을 알아내기 위해서는 모델이 잘못 예측한 데이터를 확인해야 합니다.

머신러닝 모델의 결과값을 분석하기 위해 sklearn 라이브러리의 confusion_matrix() 함수를 사용하면 됩니다.
confusion_matrix() 함수를 사용하면 TN, FN, TP, FP 값을 얻을 수 있고, FN 값을 통해 모델을 개선할 수 있는 방향을 확인할 수 있습니다.

아래는 confusion_matrix() 함수를 사용하는 예시 코드입니다.

from sklearn.metrics import confusion_matrix

# 모델의 예측 결과와 실제 타겟 값(y_true)을 비교하여 confusion matrix 생성
cm = confusion_matrix(y_true, y_pred)
# 각 구성 요소 확인
TN = cm[0][0]
FN = cm[1][0]
TP = cm[1][1]
FP = cm[0][1]

# FN 값 확인
print("FN 값:", FN)

이 코드를 사용하여 FN 값을 확인하고, 해당 데이터를 분석하여 모델을 개선할 수 있습니다. 추가적인 특성 공학, 모델 변경 등을 통해 FN 값을 감소시켜 Recall을 개선할 수 있습니다. 감사합니다!