민감도
From IT위키
Revision as of 03:19, 21 October 2024 by 핵톤 (talk | contribs) (새 문서: '''Sensitivity''' 데이터 과학에서 '''민감도'''는 주로 분류 모델의 성능을 평가할 때 사용되는 지표 중 하나로, '''참 양성 비율(True Positive Rate, TPR)'''을 나타낸다. 즉, 실제로 양성(Positive)인 데이터를 모델이 얼마나 잘 찾아내는지를 의미한다. == 공식 == Sensitivity = True Positive[TP] / (True Positive[TP] + False Positive[FP]) == 활용 == 이 지표는 특히 '''의료 분야'''와 같이 양성 사례...)
Sensitivity
데이터 과학에서 민감도는 주로 분류 모델의 성능을 평가할 때 사용되는 지표 중 하나로, 참 양성 비율(True Positive Rate, TPR)을 나타낸다. 즉, 실제로 양성(Positive)인 데이터를 모델이 얼마나 잘 찾아내는지를 의미한다.
공식
Sensitivity = True Positive[TP] / (True Positive[TP] + False Positive[FP])
활용
이 지표는 특히 의료 분야와 같이 양성 사례(예: 질병이 있는 환자)를 놓치는 것이 중요한 분야에서 매우 유용하다. Sensitivity가 높을수록 모델은 실제 양성인 사례를 더 많이 찾아내며, False Negative(실제 양성인데 음성으로 잘못 분류된 경우)[1]의 비율이 낮아진다.
예를 들어, 암을 진단하는 모델에서는 암 환자를 놓치지 않고 모두 발견하는 것이 중요하기 때문에 높은 Sensitivity가 요구된다.
Sensitivity는 때때로 Recall이라고도 불리며, Precision과 함께 모델의 성능을 종합적으로 평가하는 데 사용되는 F1 Score 계산에도 활용된다.
Specificity와의 차이
같이 보기
- ↑ 의료 분야에서는 질병에 안 걸렸는데 질병에 걸렸다고 하는 것 보다 질병에 걸렸는데 질병에 안 걸렸다고 하는 것이 훨씬 더 심각한 문제이기 때문이다.
