[Machine Learning] 성능 측정 confusion_matrix(), accuracy_score(), classification_report()

 

confusion_matrix(실제값, 예측값) : 실제값과 예측값을 행, 열로 셋팅해서 위와 같이 결과값 반환

from sklearn.metrics import confusion_matrix

>>> cm = confusion_matrix(y_test, y_pred)
>>> cm
array([[52,  6],
       [14, 28]], dtype=int64)
       
# 정확도 계산 : accuracy
# (52+28) / cm.sum()

 

accuracy_score(실제값, 예측값) : 정확도 계산

from sklearn.metrics import accuracy_score

>>> accuracy_score(y_test, y_pred)
0.8

 

classification_report() : 

분류 모델의 성능을 요약하는 데 사용된다.

주요 성능 지표인 정확도, 정밀도, 재현율, F1 점수를 제공한다.

from sklearn.metrics import classification_report

>>> print(classification_report(y_test, y_pred))
              precision    recall  f1-score   support

           0       0.79      0.90      0.84        58
           1       0.82      0.67      0.74        42

    accuracy                           0.80       100
   macro avg       0.81      0.78      0.79       100
weighted avg       0.80      0.80      0.80       100

 

heatmap 사용해서 시각화

import seaborn as sb

>>> sb.heatmap(data=cm, cmap='RdPu', annot=True)
>>> plt.show()