이 위시리스트 요청에 영감을 준 것은 무엇입니까?JMP는 데이터 탐색을 위한 훌륭한 도구로, 예측 모델을 위한 프로토타입을 신속하게 구축하여 분석과 모델링을 더욱 발전시키는 데 부가 가치가 있는지 확인하는 데 도움이 됩니다.
분류 주제에 대한 "전체 통계" 패널을 살펴보면 기계 학습/데이터 과학 세계에서 자주 사용되는 일부 성능 지표가 누락되었을 수 있음을 발견했습니다.
분류 주제에 대해 현재 표시되는 측정항목은 다음과 같습니다(부트스트랩 포리스트의 예).
당신이 보고 싶은 개선점은 무엇입니까?민감도, 특이성, 정밀도, 정확도, F1 점수, 매튜 상관계수 등 분류에 일반적으로 사용되는 성능 측정항목이 표시되는 것을 보고 싶습니다.
아마도 혼란 매트릭스 바로 아래에 있을까요?
온라인 계산기에서 분류 주제에 사용 가능한 측정항목과 공식 설명은 다음과 같습니다. 혼동 매트릭스 - 온라인 계산기(onlineconfusionmatrix.com)
이 아이디어가 왜 중요한가요?JMP는 두 모델링 사고방식의 여러 모델을 하나의 플랫폼에 통합하여 통계와 기계 학습 세계 사이의 격차를 해소하려고 노력하고 있으므로 분류 모델의 결과에 기계 학습 성과 지표를 통합하는 것도 의미가 있습니다. 모든 정보를 같은 장소에 두고 동일한 공통 언어를 말할 수 있어야 합니다.
