사용방법
- 하나의 이진 분류 결과에서 TP, FP, TN, FN을 입력합니다.
- 선택적으로 데이터 세트 또는 워크플로와 일치하도록 양성 및 음성 레이블의 이름을 바꿉니다.
- 재현율 옆의 정밀도를 읽으면 잘못된 경보와 양성 누락에 대해 동시에 논의할 수 있습니다.
하나의 임계값에서의 양성 클래스 트레이드오프
이 페이지는 하나의 작동 지점에 초점을 맞추고 있습니다. 혼동 행렬 페이지보다 좁고 임계값 청소 페이지보다 가벼우므로 양성 클래스 트레이드 오프를 빠르게 설명할 수 있습니다.
입력
계산을 실행하여 하나의 이진 결과 집합에서 정밀도, 재현율 및 F1을 검토합니다.
정밀도와 재현율은 서로 다른 질문에 답합니다
정밀도는 예측 양성이 신뢰할 수 있는지 여부를 묻습니다. 재현율은 실제 양성이 발견되는지 여부를 묻습니다. 임계값을 낮추면 일반적으로 재현율이 먼저 올라가지만 경계선에 있는 음성 사례가 양성으로 분류되기 때문에 정밀도가 떨어지는 경우가 많습니다.
이 페이지에 머무는 시기
팀이 이미 하나의 작동 임계값을 선택했고 그 결과 생기는 절충을 쉬운 말로 설명해야 한다면 이 페이지를 사용하세요. 모델 검토 슬라이드, 선별 정책 토론, 임계값 승인 메모에 맞는 요약을 만들기 좋습니다.
ROC AUC로 전환해야 하는 경우
임계값 자체를 아직 정하지 않았다면 ROC AUC가 다음 단계입니다. 선택한 하나의 컷오프가 아니라 전체 점수 범위에서 민감도와 특이도가 어떻게 움직이는지가 핵심 질문이라면 해당 페이지를 먼저 사용하세요.
자주 묻는 질문
ROC AUC 대신 언제 이 페이지를 쓰나요?
하나의 임계값이 이미 선택되어 있고 그 작동 지점에서 정밀도, 재현율, F1을 확인하려는 경우 이 페이지를 사용하세요. ROC AUC는 하나의 컷오프를 적용하기 전, 여러 임계값에서 점수 순위를 평가할 때 더 적합합니다.
정밀도는 낮아지는데 재현율은 높아질 수 있나요?
네. 임계값을 낮추면 보통 더 많은 사례를 양성으로 표시합니다. 실제 양성을 더 많이 잡아 재현율은 높아지지만, 오탐도 늘어 정밀도는 낮아질 수 있습니다.
F1은 정밀도와 재현율에 무엇을 더하나요?
F1은 정밀도와 재현율의 조화 평균입니다. 둘 중 하나가 약하면 함께 낮아지는 단일 요약값이므로, 양성 클래스 성능을 간단히 비교할 때 유용합니다.
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.