수정하기 - 머신러닝알고리즘: F1 Score의 의미는 무엇인가요?

닉네임

비밀번호

제목

내용 [이미지 업로드는 권한이 있는 사람만 가능. 하단 카톡으로 연락]

<a href='https://sangseek.com/sangseeks/F1 스코어/ko'>F1 스코어</a>는 분류 문제에서 모델의 성능을 평가할 때 특히 불균형한 클래스 분포를 다룰 때 널리 쓰이는 지표입니다. 단순히 정확도(Accuracy)만으로는 소수 클래스에 대한 예측 성능을 제대로 파악하기 어렵기 때문에, F1 스코어는 정밀도(Precision)와 재현율(Recall)을 하나의 값으로 결합해 균형 있게 평가할 수 있도록 고안되었습니다.    1. 정밀도(Precision)와 재현율(Recall)       - 정밀도는 모델이 Positive(양성)라고 예측한 것 중에서 실제로 양성인 비율입니다.         즉, ‘틀린 양성 예측(False Positive)’을 얼마나 적게 만들었는지를 보여주죠.       - 재현율은 실제 양성 샘플 중에서 모델이 얼마나 많이 양성으로 찾아내었는지를 나타냅니다.         즉, ‘놓친 양성(False Negative)’을 얼마나 줄였는지에 집중합니다.    2. F1 스코어의 정의       F1 스코어는 정밀도(Precision)와 재현율(Recall)의 조화평균(harmonic mean)으로 정의됩니다.       수식으로 표현하면 다음과 같습니다.       F1 = 2 × (Precision × Recall) / (Precision + Recall)       조화평균을 선택한 이유는 두 값 중 하나라도 낮으면 F1 스코어 전체가 크게 낮아지도록 하기 위함입니다.       이로써 모델이 한쪽 지표에만 치우쳐 성능을 확보하는 것을 방지합니다.    3. F1 스코어의 해석       - F1 스코어는 0에서 1 사이의 값을 가지며, 1에 가까울수록 정밀도와 재현율이 모두 높다는 의미입니다.       - 특히 실제 양성 샘플이 매우 적은 경우(예: 사기 거래 탐지, 암 진단 등)에는 정밀도나 재현율 어느 한쪽만 높여서는 충분치 않습니다.         F1 스코어는 두 지표 모두를 고려함으로써 전체적인 균형을 평가할 수 있게 해줍니다.    4. 언제 F1 스코어를 사용해야 하나?       - 클래스 간 불균형이 심해 정확도가 왜곡될 가능성이 클 때       - FP(False Positive)와 FN(False Negative) 모두 중요한 비용을 수반할 때       - 모델이 특정 클래스에 과도하게 편향되어 있지 않은지 확인하고 싶을 때      5. 한계와 보완       - 조화평균 특성상 Precision과 Recall이 극단적으로 차이나면 F1 스코어가 낮아집니다.       - 하지만 중요도(예: 재현율이 더 중요하다거나 정밀도가 더 중요하다)가 한쪽에 치우친 애플리케이션에서는 Fβ 스코어(β값으로 가중치를 조절)나 별도의 맞춤형 평가 지표를 고려할 수 있습니다.    정리하자면, F1 스코어는 정밀도와 재현율 사이의 균형을 수치화한 지표로, 특히 불균형 데이터셋이나 두 오류 유형(FP, FN)이 모두 중요할 때 모델 성능을 종합적으로 평가하는 데 매우 유용합니다.