false positive: 정답이 아닌데, 모델이 정답으로 예측한 경우 ex) 아카데미 합격 자격이 부족한데, 붙은 경우 ex) 코로나 음성인데, 양성 뜬 경우 (문제 없음) -> 모델이 더 느슨하게 판단한 경우 false negatives: 정답인데 모델이 놓친 경우 ex) 아카데미 합격해야할 실력인데, 불합격한 경우 ex) 코로나 양성인데, 음성 뜬 경우 (심각) -> 모델이 더 빡세게 판단한 경우 정확도와 재현율 정확도(precision): 맞았다고 추측한 데이터 중, 실제 정답의 비율 재현율(Recall): 올바른 데이터 중, 모델이 적합하게 판단한 비율 모델이 엄격할(?) 경우 재현율이 떨어질 수 있음 - Precision and recall are performance metrics used..

https://developer.apple.com/kr/machine-learning/models/ https://developer.apple.com/documentation/vision/classifying_images_with_vision_and_core_ml Apple Developer Documentation developer.apple.com