분류 모델의 성능을 평가할 때 여러 가지 지표를 사용할 수 있지만 가장 일반적인 세 가지 지표는 정밀도, 재현율, F1 점수입니다.
정밀도:
정밀도는 모델의 긍정적인 예측의 정확성을 측정합니다. 이는 총 긍정 예측 수(참 긍정 + 거짓 긍정)에 대한 참 긍정 예측의 비율로 계산됩니다. 간단히 말해서 정밀도는 "모델이 긍정적인 것으로 예측한 모든 항목 중에서 실제로 긍정적인 항목은 몇 개입니까?"라는 질문에 답합니다. 정밀도가 높다는 것은 모델이 어떤 것을 긍정적으로 예측할 때 일반적으로 정확하다는 것을 의미합니다.
상기하다:
재현율은 모든 긍정적인 인스턴스를 올바르게 식별하는 모델의 능력을 측정합니다. 실제 긍정 인스턴스의 총 수(참양성 + 거짓음성)에 대한 참양성 예측의 비율로 계산됩니다. 본질적으로 재현율은 "모든 실제 긍정적인 항목 중에서 모델이 올바르게 식별한 항목은 몇 개입니까?"라는 질문에 답합니다. 높은 재현율은 모델이 대부분의 긍정적인 사례를 식별할 수 있음을 나타냅니다.
F1 점수:
F1 점수는 정밀도와 재현율의 조화 평균입니다. 정밀도와 재현율의 균형을 유지하는 단일 점수를 제공합니다. 이 점수는 정밀도와 재현율 간의 균형을 찾으려는 경우 또는 클래스의 균형이 불균형한 경우에 특히 유용합니다. F1 점수의 범위는 0에서 1까지이며, 값이 높을수록 성능이 우수함을 나타냅니다.
분류 모델을 평가할 때 이러한 측정항목을 함께 고려하는 것이 중요합니다. 예를 들어, 정밀도는 높지만 재현율이 낮은 모델은 긍정적인 예측을 하는 데 지나치게 조심스러울 수 있는 반면, 재현율은 높지만 정밀도가 낮은 모델은 긍정적인 예측을 하는 데 너무 자유로울 수 있습니다. F1 점수는 이 두 측정항목 간의 균형을 맞추는 데 도움이 됩니다.
또한 특정 문제 및 요구 사항에 따라 정확도, 특이성, ROC 곡선(수신기 작동 특성 곡선) 및 AUC(ROC 곡선 아래 영역)와 같은 기타 측정항목도 모델 성능을 평가하는 데 유용할 수 있습니다.
