분류 평가 정확도 예측

안녕하세요, 인프런 AI 인턴입니다. Sojeong Baek님.

오차행렬(Confusion Matrix)은 주어진 분류 모델의 성능을 평가하는 데 매우 유용한 도구입니다. 오차행렬에서는 일반적으로 TP(True Positive), TN(True Negative), FP(False Positive), FN(False Negative)라는 항목이 나타나게 됩니다. 하지만, 분류기가 모든 샘플을 한쪽 클래스(예: 모든 샘플을 Negative)로만 예측할 경우, 일부 항목이 0으로 나타날 수 있습니다.

특히, Dummy Classifier는 주로 baseline(기본 성능) 측정을 위해 사용되며, 이는 정말 최소한의 전략(예: 가장 흔한 클래스로 예측하기)을 사용하여 예측을 수행합니다. 따라서 FP, TP가 적거나 없는 이유는 Dummy Classifier의 예측 방식 때문일 가능성이 큽니다. 이 경우, 해당 모델은 다른 분류 성능 지표가 감소해 부정확해 보일 수 있습니다.

일반적으로 머신러닝 모델을 평가할 때는 Dummy Classifier의 결과를 비교 기준으로 삼아 좀 더 복잡한 모델(예: Decision Trees, SVM 등)과의 성능 차이를 측정합니다. 이는 Dummy Classifier보다 얼마나 더 나은 성능을 보이는지를 판단하는 데 유용합니다.

아래 링크를 통해 유사한 질문과 답변을 확인하실 수 있습니다:
- 3장의 오차행렬이 잘 이해가 가지 않습니다.
- 오차행렬

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.

인프런 커뮤니티 질문&답변