Ch3. 분류 (3.5~3.7)

3.5 에러 분석

    - 에러의 종류를 분석하여 모델의 성능을 향상시킨다.

 

  ■ 오차 행렬 분석

    - 오차행렬의 각 값을 클래스 별 이미지 개수로 나누어 에러 비율 비교

    - 각 클래스 간의 에러 비율 (a를 b로 분류하는 경우 등)을 이미지로 분석

    - confusion_matrix() 함수를 호출

    - plt.matxhow() 함수 사용하여 이미지로 표현

 

 

3.6 다중 레이블 분류

  ■ 다중 레이블 분류, multilabel classfication

    - 분류기의 샘플마다 여러 개의 클래스를 출력해야하는 경우

    - 여러개의 이진 레이블을 출력하는 분류 시스템

    - sklearn.neighbors.NeightborsClassifier: knn classifier

 

 

3.7 다중 출력 분류

  ■ 다중 출력 다중 클래스 분류. multioutput-multiclass classification

    - 다중 레이블 분류에서 한 레이블이 다중 클래스가 될 수 있도록 일반화한 것

    - 노이즈를 추가한 이미지를 clean하는 모델 예제