2형 오류

머신 러닝에서 2종 오류(거짓 부정이라고도 함)는 모델이 실제로는 존재하는 특정 조건이나 속성이 존재하지 않는다고 잘못 예측할 때 발생합니다. 예를 들어, 의료 진단 모델은 환자에게 질병이 있는지 없는지를 감지하지 못할 수 있습니다.

2종 오류는 머신 러닝 애플리케이션에서 심각한 문제가 될 수 있으며, 거짓 부정의 결과는 비용이 많이 들거나 해로울 수 있습니다. 예를 들어, 금융 거래에서 사기 행위를 감지하지 못하는 모델은 상당한 재정적 손실을 초래할 수 있습니다.

머신 러닝에서 2종 오류의 위험을 줄이려면 다음과 같은 여러 가지 기술을 활용할 수 있습니다.

• 모델의 민감도를 향상시키세요:이는 긍정적인 예측에 대한 결정 임계값을 낮춤으로써 이루어집니다. 이로 인해 실제 양성률은 높아질 수 있지만, 거짓 양성률도 늘어날 수 있습니다.
• 증강된 훈련 데이터:훈련 데이터는 덜 인기 있는 카테고리의 더 많은 예를 통해 보강됩니다. 이를 통해 모델은 덜 인기 있는 카테고리의 특징을 더 효과적으로 학습하여 거짓 부정을 줄일 수 있습니다.