균일한 데이터 셋은 그럼 반반인 데이터인가요?

안녕하십니까,

분류 학습을 위해서는 개별 레이블(타겟값) 별로 어느정도 데이터 셋이 필요한데, 그렇지 못한 경우를 얘기합니다.  위암 판정 모델을 만들어야 하는데, 정상인 상태와 암인 상태의 데이터가 모두 필요합니다.
정상인 경우는 데이터가 10,000개 정도 있는데, 암인 경우는 100건 밖에 없다고 할때 정확도를 모델을 판단하는 중요 지표로 설정하면 모두 정상이라고 찍어도(?) 정확도는 10000/10100 도 99% 이상 나옵니다.  따라서 정확도는 이런 불균일한 데이터 셋에서 모델 성능 지표로 사용할 수 없습니다.

더구나 암 진단 모델이라면 암을 정확히 진단했는지가 훨씬 더 중요합니다. 암을 정상이라고 판단하면 큰 문제가 생기기 때문입니다. 정상을 정상이라고 판단하는것의 중요성 보다, 암을 암이라고 판단하는 중요성이 훨씬 크기 때문에 이를 감안할 수 있는 재현율 같은 지표를 이런 불균일한 데이터 세트에서는 성능 지표로 더 잘 활용합니다.

감사합니다.