[빅데이터 분석기사] 실기 - 2유형 모델 성능평가 함수, 해석

 

모델링 및 성능평가

1. 분류 : RandomForestClassifier

Accuracy

auc : roc 커브 아래쪽 면적을 뜻함, 1에 가까울수록 성능이 좋음

f1 : 클수록 성능이 좋음

from	sklearn.metrics	import	accuracy_score,	f1_score,	roc_auc_score,	recall_score,	precision_score 
#	(실제값,	예측값)
#	다중분류일	경우	f1	=	f1_score(y_val,	y_pred,	average	=	'macro') 
auc	=	roc_auc_score(y_val,	y_pred)
acc	=	accuracy_score(y_val,	y_pred)	
f1	=	f1_score(y_val,	y_pred)	

 

 

2. 회귀 : RandomForestRegressor

R2(결정계수) : 값이 클수록 성능이 좋음

MSE: 값이 낮을수록 성능이 좋음

RMSE : mse에 루트를 씌운 값

from	sklearn.metrics	import	mean_squared_error,	r2_score
mse	=	mean_squared_error(y_val,	y_pred)	
r2	=	r2_score(y_val,	y_pred)