[TIL] 오예은_201021

## 키워드
`Confusion matrix` `정밀도(precision)` `재현율(recall)` `ROC` `AUC`
## 배운 것
#### Confusion matrix
- 분류 모델의 성능 평가 지표를 보여줌
- 정확도(accuracy) 확인 (정확도=맞는 예측 수/ 전체 예측 수)

#### 정밀도 / 재현율 / F-score
- 정밀도(Precision): Positive로 예측한 경우 중 실제 True인 비율 (TP/(TP+FP))
- 재현율(Recall, Sensitivity): 실제 True인 것 중 Positive라고 예측한 것의 비율 (TP/(TP+FN))
- F-score: 정밀도와 재현율의 조화평균(harmonic mean)
- 다루는 문제에 따라 정밀도와 재현율 중 어느것을 중요하게 여겨야할 지 판단해야 함
- 임계값(thresholds): 정밀도와 재현율을 조정하는 위치

#### ROC curve
- 여러 임계값에 대해 TPR(True Positive Rate, recall)과 FPR(False Positive Rate)의 관계를 그래프로 나타냄
- 'ROC 곡선'과 'TPR-FPR 극단을 잇는 선'의 접점이 임계점이 됨
- AUC = ROC curve 아래 면적

## 더 공부 해볼 것
- AUC가 가지는 의미 조사해보기
- 랜덤포레스트를 사용할 때 estimator의 의미/영향에 대해서 다시 정리하기

## 느낀점
- 요즘들어 계속 느끼는 것이지만 개념에 대한 것은 어느정도 와닿는데 막상 코딩을 하려다보면 막히는 부분이 많은 것 같다. 그래서 집중이 잘 안되는 것 같다.