모델을 학습했다면 "이 모델이 충분히 좋은가?"를 숫자로 답해야 한다. 분류 문제에서 그 숫자는 정확도 하나가 아니다. 특히 사기 탐지, 질병 진단처럼 클래스가 불균형한 문제에서는 정확도가 모델을 과대평가하는 함정이 된다. 오늘은 혼동행렬에서 출발해 정밀도·재현율·F1까지, 어떤 지표를 언제 골라야 하는지를 정리한다.
이진 분류의 모든 지표는 네 칸짜리 표 하나에서 파생된다.
예측: Positive 예측: Negative
실제: Positive TP (참양성) FN (거짓음성)
실제: Negative FP (거짓양성) TN (참음성)"Positive"는 보통 우리가 탐지하려는 드문/중요한 클래스(사기, 질병, 이탈)로 잡는다. FP와 FN 중 무엇이 더 치명적인지가 지표 선택을 결정한다.
💡 관련 이론: 시험에서 지표 선택 문제의 80%는 "FP와 FN 중 어느 쪽 비용이 큰가"로 환원된다