통계
-
object detection에서의 precision & recall & AP & mAP통계 2021. 1. 28. 00:48
먼저 그냥 상기시킬겸 precision은 정밀도로 내가 에측한 것중에서의 맞는 것의 비율. 즉 얼마나 정밀한 모델인가 (막 예측하지 않는다. ) recall은 재현율로 주어진 정답에서 얼마나 맞췄는가 (얼마나 재현 했는가. 막 예측해도 됨) detection에서의 위의 개념들은 classification과 같지만 헷갈릴 수 있는 부분이 구글에서는 늘 그렇듯 하나의 예시를 그냥 다 돌려쓰기 때문에 뭘 찾아봐도 똑같은 소리만 하고 있다. 따라서 아래 설명이세넌 binary classification에서의 precision, recall 값 들과 약간 혼동이 올 수 있는데 이유는 만약에 사진에 내가 검출할 객체가 단 1가지라고 하면 틀린 객체는 없기 때문에 TN이 존재 할 수가 없다. 하지만 사진에 검출할 객..
-
귀무가설 대립가설 유의수준통계 2021. 1. 16. 21:14
상식적인 추론과정을 버리고 새로운 추론 과정을 따라보자. 예를 들어, 상자 X에는 검은색 공 9개와 흰색 공 1개가 있고, 상자 Y에는 검은색 공 2개와 흰색 공 8개가 있다. 공을 한 개 꺼냈더니 흰색 공이었다. 그렇다면 두 개의 상자 중 어디에서 뽑았을까. 사실 1. X 또는 Y 사실 2. X라면 대체로 검은 색 공 -> 10% 확률로 틀릴수는 있다. 사실 3. Y라면 대체로 흰 색 공 -> 20% 확률로 틀릴수는 있다. 사실 4. 검은색 공 이제 새로운 과정을 따라가 보자. 먼저 위의 문제는 본능적으로 당연히 X라고 하겠지만 한번 Y라고 가정해보자. (이런 간단한 문제가 아닌 확률을 예측 할 수 없는 문제를 생각.) 과정 1. Y라고 가정 -> 귀무가설 과정 2. 사실 3에서 흰색공이라는 결론 도출..