시험 직전 요약장

혼동행렬은 실제 클래스와 예측 클래스를 교차해 분류 결과를 TP·FN·FP·TN으로 나눈다. 정확도·정밀도·재현율·특이도·F1은 같은 네 값에서 계산하지만, 분모와 강조하는 오류가 서로 다르다. 따라서 양성 클래스를 먼저 정하고 업무에서 FP와 FN 중 어느 오류가 더 비싼지 확인해야 한다.

클래스가 불균형하면 다수 클래스를 모두 맞히는 모형도 정확도가 높게 보일 수 있다. 이런 경우 혼동행렬, 클래스별 지표, 균형 정확도와 정밀도·재현율을 함께 본다. 다중분류에서는 각 클래스를 나머지와 구분해 지표를 계산한 뒤 macro·weighted·micro 평균 중 보고 목적에 맞는 방식을 명시해야 한다.

먼저 관심 대상을 양성 클래스로 정한다. 질병 검진에서는 질병 보유, 사기 탐지에서는 사기 거래, 이탈 예측에서는 이탈을 양성으로 둘 수 있다.

• TP(True Positive): 실제 양성을 양성으로 맞힘
• FN(False Negative): 실제 양성을 음성으로 놓침
• FP(False Positive): 실제 음성을 양성으로 잘못 경고함
• TN(True Negative): 실제 음성을 음성으로 맞힘

True와 False는 예측의 정답 여부이고, Positive와 Negative는 예측한 클래스다. 따라서 FN은 실제 양성을 음성으로 예측한 경우다. 분석 도구마다 행과 열의 배치가 다를 수 있으므로 표의 위치를 암기하기보다 실제값과 예측값 라벨을 확인한다.