Day 3 - 모델 평가 기초: 정확도·정밀도·재현율과 과적합/과소적합

📌 핵심 정리

• 분류의 답은 네 칸(TP/FP/FN/TN)으로 나뉜다. 실수는 **헛잡음(FP)**과 놓침(FN) 두 종류다.
• 정확도 = 전체 중 맞힌 비율. 불균형 데이터에서는 속기 쉽다.
• 정밀도 = 잡은 것 중 진짜 비율(FP를 두려워함) / 재현율 = 진짜 중 잡아낸 비율(FN을 두려워함).
• 어떤 지표를 우선할지는 **"어떤 실수가 더 치명적인가"**가 결정한다. 스팸 필터 → 정밀도, 암 진단 → 재현율.
• 과소적합은 학습·테스트 둘 다 낮고, 과적합은 학습만 높고 테스트가 뚝 떨어진다(격차로 진단).

분류 결과의 네 가지 칸

AIF-C01은 복잡한 수식을 외우라고 하지 않는다. **"정밀도와 재현율이 각각 무엇을 신경 쓰는가"**라는 직관을 묻는다. 예를 들어 "이 메일이 스팸인가?"를 판단하는 모델을 생각하자.

• 거짓 양성(FP): 멀쩡한 걸 잘못 잡음(정상 메일을 스팸으로).
• 거짓 음성(FN): 잡아야 할 걸 놓침(스팸을 정상으로 통과).
• 어느 실수가 더 치명적인지는 상황마다 다르다.