시작하기무료로 시작하기

Precision과 Recall

Precision과 recall은 이전 레슨에서 다룬 네 가지 예측 결과와 관련이 있으며, 어떤 Machine Learning 모델에서도 중요한 평가 지표예요. 광고 CTR 모델은 이상적으로 precision이 높아야(광고비 대비 ROI가 높음) 하고 recall도 높아야 해요(관련 있는 잠재 고객을 잘 타기팅함). 수식으로 직접 precision과 recall을 계산할 수도 있지만, sklearn에는 기존 워크플로에 쉽게 적용할 수 있는 편리한 구현이 있어요. 이 연습에서는 결정 트리를 설정하고 precision과 recall을 계산해 보겠습니다.

작업 공간에는 pandas 모듈이 pd로 제공되며, 예제 DataFrame은 df로 로드되어 있어요. 사용할 특성은 X, 타깃은 y에 로드되어 있어요. 또한 sklearn.metrics의 precision_score()와 recall_score()도 사용할 수 있어요.

이 연습은 강의의 일부입니다

Python으로 Machine Learning을 활용한 CTR 예측

강의 보기

연습 안내

  • X와 y에 대해 학습/테스트 분할을 만드세요.
  • 결정 트리 분류기를 정의하고 모델을 학습해 예측값 y_pred를 생성하세요.
  • sklearn의 구현을 사용해 precision과 recall 점수를 구하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Set up training and testing split
X_train, X_test, y_train, y_test = ____(
  ____, ____, test_size = .2, random_state = 0)

# Create classifier and make predictions
clf = ____
y_pred = clf.____(____, _____).____(X_test) 

# Evaluate precision and recall
prec = ____(y_test, ____, average = 'weighted')
recall = ____(y_test, ____, average = 'weighted')
print("Precision: %s, Recall: %s" %(prec, recall))
코드 편집 및 실행