cut-off1 Uncertainty Estimates from Classifiers & Summary and Outlook 불확실성 추정 어떤 테스트 포인트에 대해 분류기가 예측한 클래스가 무엇인지 뿐만 아니라 정확한 클래스임을 얼마나 확신하는지가 중요할 때가 많습니다. 실제 애플리케이션에서는 오류의 종류에 따라 전혀 다른 결과를 만듭니다. 예를 들어 암을 진료하는 의료 애플리케이션을 생각해보겠습니다. 거짓 양성 예측은 환자에게 추가 진료를 요구하겠지만 거짓 음성 예측은 심각한 질병을 치료하지 못하게 만들 수 있습니다. 대부분의 분류 클래스는 불확실성을 추정할 수 있는 함수를 제공합니다. 아이리스 데이터셋 아이리스 데이터셋을 사용합니다. 세 개의 클래스를 가진 150개의 데이터 포인트로 이루어져 있습니다 (각 클래스당 50개). 4개의 입력 변수가 있습니다. (다중 클래스 분류) 입력 변수는 꽃잎의 길이, 꽃잎의 폭, 꽃받침.. 2019. 11. 15. 이전 1 다음
