이 계산기의 기능
이 도구는 이진 분류 모델의 성능을 평가하기 위해 세 가지 핵심 지표인 정밀도(precision), 재현율(recall), F1 점수를 계산합니다. 혼동 행렬(confusion matrix)에서 나온 원시 개수, 즉 참 양성(TP), 거짓 양성(FP), 거짓 음성(FN)을 입력하면 각 지표를 백분율로 보여줍니다. 이 지표들은 머신러닝, 정보 검색, 의료 검사 등 항목을 양성과 음성으로 분류하는 모든 분야에서 두루 쓰입니다.
사용 방법
참 양성(TP, 양성을 올바르게 예측한 경우), 거짓 양성(FP, 음성을 양성으로 잘못 예측한 경우), 거짓 음성(FN, 모델이 놓친 양성)의 개수를 입력하세요. 계산 버튼을 누르면 정밀도, 재현율, F1 점수가 표시됩니다. 이 지표들을 구하는 데는 참 음성(TN)이 필요하지 않습니다.
공식 설명
$$\text{Precision} = \frac{\text{TP}}{\text{TP} + \text{FP}}$$는 "내가 양성이라고 판단한 것 중에서 실제로 맞은 비율은 얼마인가?"라는 질문에 답합니다. 정밀도가 높을수록 잘못된 경보(오탐)가 적습니다.
$$\text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}}$$는 "실제 양성 가운데 내가 제대로 잡아낸 비율은 얼마인가?"라는 질문에 답합니다. 재현율이 높을수록 놓치는 경우가 적습니다.
F1 점수는 두 지표의 조화 평균입니다. $$\text{F1} = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}$$. 정밀도와 재현율의 균형을 잡아 주며, 클래스가 불균형할 때 특히 유용합니다.
계산 예시
스팸 필터가 이메일 100통을 스팸으로 분류했다고 가정해 봅시다. 이 중 80통은 실제 스팸(TP)이고 20통은 스팸이 아닙니다(FP). 또한 실제 스팸 10통을 놓쳤습니다(FN). 정밀도 $$= \frac{80}{80 + 20} = 0.80 = 80\%.$$ 재현율 $$= \frac{80}{80 + 10} = 0.889 = 88.89\%.$$ F1 $$= 2 \cdot \frac{0.80 \cdot 0.889}{0.80 + 0.889} = 84.21\%.$$
자주 묻는 질문
정밀도와 재현율 중 무엇을 우선해야 하나요? 거짓 양성의 비용이 큰 경우(예: 정상 메일을 스팸으로 차단)에는 정밀도를 우선하세요. 양성을 놓치는 비용이 큰 경우(예: 암 검진)에는 재현율을 우선하세요.
F1 점수는 왜 쓰나요? 데이터가 불균형하면 정확도(accuracy)만으로는 오해를 부를 수 있습니다. F1 점수는 정밀도와 재현율을 하나의 균형 잡힌 수치로 합쳐 줍니다.
분모가 0이면 어떻게 되나요? TP+FP 또는 TP+FN이 0이면 해당 지표는 정의되지 않습니다. 이 계산기는 그 경우 0%로 표시합니다.
