- 비교 메트릭찾아보기
- 다른 비슷한 모델과 비교?!
- 보고서에 들어갈 내용 알아두기
- 메일 보내기
- 방향 같은거 질문하면 좋을 듯?!
- 설문 받은거 중에 Visual Emotion Analysis 관련 내용들 분석도 하면 좋을 듯
- 논문 찾아서 우리랑 비슷한 데이터를 분석한 걸 찾아봐도 좋을 듯
Creativity in TherapyExpressing Emotions Through Creativity: A 6-Step Art Process - Creativity in Therapy
Expressing Emotions Through Creativity: A 6-Step Art Process - Creativity in Therapy
Using art to explore feelings is essential in art therapy. This 6-image process helps clients be more aware of and express their emotions.
Creativity in TherapyF1 점수 (F1 Score)
- 두 지표 간의 균형을 평가
재현율: 실제 True인 것 중에서 모델이 True라고 예측한 것의 비율
정밀도: 여러 번 측정하거나 계산하여 그 결과가 서로 얼만큼 가까운지를 나타내는 기준
혼동 행렬 (Confusion Matrix)
- 모델이 예측한 클래스와 실제 클래스 간의 관계를 표 형태로 나타냄
- 각 감정 클래스별로 모델이 얼마나 잘 맞췄는지, 어떤 감정이 다른 감정으로 오분류되었는지 등을 직관적으로 파악 가능. 감정 이미지 분류에서는 감정 간 혼동이 발생하는 패턴을 시각적으로 확인하는 데 사용
AUC-ROC (Area Under Curve - Receiver Operating Characteristic Curve)
- 분류 모델의 민감도(재현율)와 1 - 특이도(False Positive Rate) 간의 관계를 나타내는 곡선. 곡선 아래 면적(AUC)이 넓을수록 좋은 성능을 의미
- 여러 클래스에 대한 이진 분류 문제에서 유용하며, 모델의 전체적인 성능을 비교할 때 자주 사용
Top-K 정확도 (Top-K Accuracy)
- 모델이 예측한 상위 K개의 클래스 중에서 하나라도 정답 클래스가 포함되면 해당 예측을 맞춘 것으로 간주
- 감정 분류 문제에서 특히 감정 간 경계가 애매할 경우 유용
Log-Loss (Cross-Entropy Loss)
- 모델이 각 클래스에 대한 확률을 얼마나 정확하게 예측했는지 평가하는 지표
- 감정 이미지 분류에서 각 감정 클래스에 대해 확률 기반으로 예측할 때, 모델의 불확실성을 평가
기말보고서
양식 없고 자유