정밀도(Precision), 재현율(Recall) 계산하기

정밀도(Precision), 재현율(Recall) 계산하기

[실습6]의 결과를 바탕으로 분류 지표 중 정밀도와 재현율을 계산하여 모델의 성능을 판별해보겠습니다.

이번 실습에서는 학습용 데이터와 평가용 데이터의 정밀도와 재현율을 계산하고 그 성능을 비교해보겠습니다.

---

정밀도와 재현율 계산을 위한 사이킷런 함수/라이브러리

• precision_score(train_Y, y_pred_train)
  : 학습용 데이터에 대한 정밀도(precision) 값을 계산합니다.
• recall_score(train_Y, y_pred_train)
  : 학습용 데이터에 대한 재현율(recall) 값을 계산합니다.

---

데이터 정보

load_breast_cancer 유방암 유무 판별 데이터를 불러오는 함수

• X(Feature 데이터) : 30개의 환자 데이터
• Y(Label 데이터) : 0 음성(악성), 1 양성(정상)

 

지시사항

1. precision_score를 사용하여 학습용, 평가용 데이터에 대한 정밀도를 계산하여 precision_train, precision_test에 저장해봅시다.
2. recall_score를 사용하여학습용, 평가용 데이터에 대한 재현율을 계산하여 recall_train, recall_test에 저장해봅시다.

import numpy as np

from sklearn.datasets import load_breast_cancer

from sklearn.tree import DecisionTreeClassifier

from sklearn.model_selection import train_test_split

from sklearn.metrics import confusion_matrix

from sklearn.metrics import precision_score

from sklearn.metrics import recall_score

# sklearn에 저장된 데이터를 불러 옵니다.

X, Y = load_breast_cancer(return_X_y = True)

X = np.array(X)

Y = np.array(Y)

# 학습용 평가용 데이터로 분리합니다

train_X, test_X, train_Y, test_Y = train_test_split(X, Y, test_size=0.2, random_state = 42)

# DTmodel에 의사결정나무 모델을 초기화 하고 학습합니다

DTmodel = DecisionTreeClassifier()

DTmodel.fit(train_X, train_Y)

# 예측한 값을 저장합니다

y_pred_train = DTmodel.predict(train_X)

y_pred_test = DTmodel.predict(test_X)

# 혼동 행렬을 계산합니다

cm_train = confusion_matrix(train_Y, y_pred_train)

cm_test = confusion_matrix(test_Y, y_pred_test)

print('train_X Confusion Matrix : \n {}'.format(cm_train))

print('test_X Confusion Matrix : \n {}'.format(cm_test),'\n')

"""

1. 정밀도를 계산합니다.

"""

precision_train = precision_score(train_Y, y_pred_train) # precision_score()를 활용하여 정밀도를 계산합니다.

precision_test = precision_score(test_Y, y_pred_test)

# 정밀도를 출력합니다.

print('train_X Precision: %f' % (precision_train))

print('test_X Precision: %f' % (precision_test),'\n')

"""

2. 재현율을 계산합니다.

"""

recall_train = recall_score(train_Y, y_pred_train) # recall_score()를 활용하여 재현율을 계산합니다.

recall_test = recall_score(test_Y, y_pred_test)

# 재현율을 출력합니다.

print('train_X Recall: %f' % (recall_train))

print('test_X Recall: %f' % (recall_test))

 

train_X Confusion Matrix : 
 [[169   0]
 [  0 286]]
test_X Confusion Matrix : 
 [[40  3]
 [ 3 68]] 

train_X Precision: 1.000000
test_X Precision: 0.957746 

train_X Recall: 1.000000
test_X Recall: 0.957746