사용방법
- TP, FP, TN, FN 등 혼동 행렬 수를 입력합니다.
- 필요하면 데이터에 맞게 양성 및 음성 클래스 이름을 바꿉니다.
- 특히 한 클래스가 드문 경우에는 정확도와 함께 정밀도, 재현율, 특이도를 같이 확인하세요.
하나의 행렬에서 보는 이진 분류 지표
모델이나 규칙이 이미 이진 예측을 만든 뒤 이 페이지를 사용하세요. 임계값을 조정하는 워크플로가 아니라 분류 지표를 읽는 페이지입니다.
입력
계산을 실행하여 혼동 행렬의 분류 지표를 확인하세요.
정확도만으로는 충분하지 않습니다
음성 클래스가 대부분이면 정확도는 높게 유지될 수 있습니다. 이때 분류기는 전체적으로 좋아 보이지만 실제 양성을 많이 놓칠 수 있습니다. 그래서 이 페이지는 정확도와 함께 재현율, 특이도, 정밀도, 양성률을 함께 보여줍니다.
정밀도 대 재현율
정밀도는 "모델이 양성이라고 말했을 때 얼마나 자주 맞는가?"를 봅니다. 재현율은 "실제 양성 중 얼마나 많이 잡았는가?"를 봅니다. 하나를 높이면 다른 하나가 낮아질 수 있으므로, 적절한 균형은 오탐과 양성 누락의 비용에 따라 달라집니다.
이진 분류 우선
이 페이지는 이진 분류를 유지하므로 각 지표를 TP, FP, TN, FN에서 쉽게 점검할 수 있습니다. 다중 클래스 행렬, ROC 곡선, 임계값 전반의 비교는 별도 페이지에서 다루는 편이 더 명확합니다.
자주 묻는 질문
정확도만으로 충분하지 않은 이유는 무엇인가요?
한 클래스가 드물면 정확도가 높아 보일 수 있습니다. 불균형 데이터세트에서는 정확도보다 정밀도, 재현율, 특이도, 양성률이 모델 동작을 더 잘 설명하는 경우가 많습니다.
정밀도와 재현율은 어떻게 다른가요?
정밀도는 양성이라고 예측한 사례가 얼마나 자주 맞았는지를 봅니다. 재현율은 실제 양성 중 모델이 얼마나 많이 잡았는지를 봅니다. 하나는 오탐에, 다른 하나는 양성 누락에 더 민감합니다.
이 페이지는 다중 클래스 혼동 행렬도 지원하나요?
아니요. 이 페이지는 핵심 지표를 쉽게 점검하고 비교할 수 있도록 이진 분류에 맞춰져 있습니다.
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.