일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- 양방향 매핑
- STT
- pandas
- react native
- @Transactional
- 졸프
- JPA
- html
- oauth
- Expo
- Spring
- 2021 제9회 문화공공데이터 활용경진대회
- idToken
- 코드업
- C++
- AWS
- OG tag
- 커스텀 데이터 학습
- Loss Function
- google cloud
- 순환참조
- google login
- skt fellowship 3기
- marksense.ai
- google 로그인
- matplotlib
- javascript
- Spring Boot
- YOLOv5
- yolo
Archives
- Today
- Total
민팽로그
졸프 선수지식 본문
1. f1 score: recall과 precision의 조화평균.
- precision은 모델이 True라고 예측해야 하는 데이터 중 True라고 예측한 데이터의 수
- recall은 모델이 True라고 예측한 데이터 중 실제 True인 데이터의 수
- f1 score는 2 ∗ { precall * recision / (recall + precision) }
- 우리가 만드는 모델은 accuracy보다는 f1 score로 성능을 평가하는게 더 적절함
- 참조: https://eunsukimme.github.io/ml/2019/10/21/Accuracy-Recall-Precision-F1-score/
Accuracy(정확도), Recall(재현율), Precision(정밀도), 그리고 F1 Score
ML 모델의 성능을 측정하는 네 가지 지표에 대해서 알아봅시다
eunsukimme.github.io
2. BIO 태깅
'📚소소한 스터디' 카테고리의 다른 글
[Economius, 이코노미어스] 개발 일지 (0) | 2023.10.22 |
---|---|
spring 프레임워크 (0) | 2023.04.22 |
C++ 정수 최대/최소값 - climits (0) | 2022.02.27 |
연구과제 참고 목록 2 (0) | 2021.12.20 |
[web] SOP와 CORS (0) | 2021.12.20 |
Comments