1. 学习
    2. /
  2. 课程
    3. /
  3. 마케팅 애널리틱스: Python으로 고객 이탈 예측하기
Connected

练习

F1 점수

이미 살펴보셨듯이 정밀도(precision)와 재현율(recall) 사이에는 상충 관계가 있어요. 둘 다 중요한 지표이며, 회사가 어떤 방식으로 이탈(churn)을 모델링하느냐에 따라 하나를 더 최적화해야 할 수도 있습니다. 종종 이해관계자는 모델 성능을 하나의 숫자로 파악할 수 있는 단일 지표를 원해요. 이런 경우 사용할 수 있는 지표로 AUC가 있고, 또 하나는 아래와 같이 계산하는 F1 점수입니다:

2 * (precision * recall) / (precision + recall)

F1 점수의 장점은 정밀도와 재현율을 하나의 지표로 통합한다는 점이며, 특히 클래스 불균형이 있는 상황에서도 F1 점수가 높다면 모델이 잘 작동한다는 신호예요. scikit-learn에서는 f1_score 함수를 사용해 f-1 점수를 계산할 수 있습니다.

说明

100 XP
  • sklearn.metrics에서 f1_score를 임포트하세요.
  • 학습된 랜덤 포레스트의 F1 점수를 출력하세요.