03 02. 분류가 잘 되었는지 어떻게 알까
0203 분류 모델의 평가 지표 – ROC 곡선과 AUC
질문하기
추가 자료
추가 자료가 없습니다
여기서 새로운 학습 자료를 확인하세요!
선생님이 추가한 자료들을 바로 확인할 수 있어요.
Orange를 활용한 코딩 없는 AI 데이터 분석 - Lv.4 분류 머신러닝 분석
- 0100. 교재 다운로드
- 0201. 둘로 나누는 이진분류와 보정학습
- 0302. 분류가 잘 되었는지 어떻게 알까
- 0403. 초평면을 찾는 서포트 벡터 머신
- 0504. 잘 모를 때는 옆사람 보고 따라하는 KNN
- 0605. 독립된 두 사건의 확률 곱하기 나이브 베이즈
- 0706. 나무와 숲을 흉내낸 분류모델 Tree와 랜덤포레스트
- 0807. 데이터에서 맞춤형 분석 모델 만들기
- 0908. 여러 모델을 결합해서 분석하는 앙상블 기법
교재 다운로드
0201 분류 모델의 평가 지표 – 혼동 행렬
0202 분류 모델의 평가 지표 – 혼동 행렬 실습
0203 분류 모델의 평가 지표 – ROC 곡선과 AUC
0204 분류 모델의 평가 지표 – ROC 곡선과 AUC 실습
0205 ROC 분석으로 예측 확률 임계치 정하기
0206 분류 모델의 평가 지표 – Gain chart
0301 서포트 벡터 머신(SVM)
0302 커널 트릭
0401 최근접이웃을 따라하는 KNN
0501 조건부 확률에 기반한 나이브 베이즈
0601 Decision Tree 의사결정 나무 모형
0602 불순도와 정보 이득
0603 무작위성을 높인 랜덤 포레스트
0701 분류 모형의 분류와 Curve fit
0801 분석 모델의 중첩 – 앙상블 기법
0802 다수결로 결정하는 배깅(Bagging)
0803 부스팅 – AdaBoost와 Gradient Boosting, XG Boost
0804 여러 모델의 결과를 메타 분석하는 스태킹(stacking)
0203 분류 모델의 평가 지표 – ROC 곡선과 AUC