사용방법
- 하나의 이진 분류 결과에서 TP, FP, TN, FN을 입력합니다.
- 균형 정확도만 보지 말고 재현율과 특이도도 함께 읽으세요.
- 균형 정확도와 일반 정확도를 비교하여 클래스 불균형이 헤드라인 수치를 돋보이게 하는지 확인하세요.
양성과 음성에 대한 동일한 가중치
균형 정확도는 재현율과 특이도를 평균합니다. 이를 통해 데이터세트가 불균형할 때 두 클래스가 공정하게 처리되는지 빠르게 확인할 수 있습니다.
입력
계산을 실행하여 균형 정확도를 재현율, 특이도, 정밀도 및 일반 정확도와 비교하세요.
균형 정확도는 클래스 전반에 걸친 공정성 검사입니다.
균형 정확도는 재현율과 특이도의 평균입니다. 데이터세트가 한 클래스에 크게 치우쳐 있어도 양성 클래스와 음성 클래스에 각각 같은 가중치를 둡니다.
왜 일반 정확도와 비교하나요?
일반 정확도가 균형 정확도보다 훨씬 높으면 모델이 지배적인 클래스에 기대고 있을 가능성이 큽니다. 이는 소수 클래스 성능을 아직 개선해야 한다는 신호일 수 있습니다.
다음에 확인할 내용
균형 정확도는 좋은 대표값이지만 전부는 아닙니다. 재현율, 특이도, 원시 혼동 행렬 개수를 함께 보이면 어느 쪽이 절충을 이끄는지 더 명확하게 설명할 수 있습니다.
자주 묻는 질문
균형 정확도는 무엇을 측정하나요?
균형 정확도는 재현율과 특이도의 평균입니다. 양성 클래스와 음성 클래스에 같은 가중치를 주므로, 클래스가 불균형할 때 일반 정확도보다 더 많은 정보를 주는 경우가 많습니다.
일반 정확도가 균형 정확도보다 높게 나오는 이유는 무엇인가요?
한 클래스가 데이터세트 대부분을 차지하면, 분류기는 그 지배적인 클래스를 맞히는 것만으로도 높은 일반 정확도를 얻을 수 있습니다. 균형 정확도는 재현율과 특이도를 평균해 소수 클래스도 공정하게 처리되는지 보여줍니다.
균형 정확도만 보면 충분한가요?
항상 충분하지는 않습니다. 균형 정확도는 유용한 대표값이지만, 실제 운영상의 장단점을 이해하려면 재현율, 특이도, 원시 혼동 행렬 개수도 함께 확인해야 합니다.
공유 URL에 내 개수나 라벨이 포함되어 있나요?
아니요. 공유 URL은 소수점 이하 자릿수와 같은 간단한 설정만 저장합니다. 개수와 맞춤 라벨은 브라우저에 그대로 유지됩니다.
관련
댓글(선택 사항)
댓글은 필요할 때만 불러옵니다.