딥러닝 분류문제에서 성능을 어떻게 평가할까? 성능을 평가하는 지표는 여러가지가 있다. 여러 지표는 confusion matrix (혼동 행렬)로 부터 파생되곤 한다. confusion matrix에서부터 나온 지표중 하나인 FPR (False Positive Ratio)의 정의와 의미에 대해 알아보자.
FPR (False Positive Ratio)의 정의
FPR을 알기위해서 Confusion matrix를 이해하는 것이 필요하다. 쉽게 이해하고 있는가? FPR의 정의는 아래와 같다.
$$FPR = \frac{FP}{TN+FP}$$
FPR 의 의미
FPR의 의미는 식만 봐도 알 수 있다.실제로는 음성 (N)인 데이터 중에서 분류기가 음성이 아니라 양성이라고 판별한 데이터의 비율을 의미한다. FPR이 크면 음성 (N) 데이터는 분류가 잘 안되고 FPR이 작으면 음성 (N)데이터는 잘 분류가 된 다는 것을 알 수 있다.