[AI] F1 score

F1 score

분류 모델에서 사용되는 머신러닝 평가지표.

 

 

 

F1 score가 무엇인지 알기 위해서 우리는 우선 Accuracy(정확도), Precision(정밀도), Recall(재현율) 에 대해 알아야 한다.

 

 

설명이 잘 되어있는 이미지를 참조한다. 출처는 아래에 첨부하겠다.

 

우리가 예측한 결과가 양성일수도 있고 음성일수도 있다.

그리고 해당 정답이 양성이거나 음성일 것이다.

 

우리가 양성(Positive)라고 예측하고 제품의 정답이 양성(Positive)라면, 해당 결과는 True Positive(TP)이다.

우리가 양성(Positive)라고 예측했지만 제품이 음성(Negative)라면, 해당 결과는 False Positive(FP)이다.

똑같은 방식으로 우리가 음성(Negative)라고 예측했지만 제품이 양성(Positive)라면 해당 결과는 False Negative(FN)이다.

우리가 음성(Negative)라고 예측했고, 제품도 음성(Negative)라면 해당 결과는 True Negative(TN)이 되는 것이다.

 

즉, 우리의 예측과 정답이 일치하는지 (True or False) 그리고 해당 기준값이 True인지 False인지에 따라 TP, FP, FN, FP라고 나타낼 수 있는 것이다.

 

 

그럼 Accuracy(정확도), Precision(정밀도), Recall(재현율) 에 대해서 차례대로 알아보자

 

 

Accuracy(정확도)

정확도는 전체 샘플 중에 True 값의 비율이다.

다시말해 전체 중에서 TP와 TN의 비율이라고 보면 된다.

 

 

장점

분류 모델을 평가하기에 가장 단순한 지표로 많이 사용된다.

 

단점

불균형한 클래스를 가진 데이터는 평가가 어렵다

 

 

 

Precision(정밀도)

예측값이 Positive 중에서 실제로 Positive 인 것 

 

 

 

Recall(재현율)

실제 Positive 중에서 예측값이 Positive인 경우

 

 

우리가 만든 모델이 얼마나 잘 예측하는지를 확인할 수 있는 지표이다.

 

 

이제 F1 score가 무엇인지 궁금할 것이다.

F1 score는 위의 Precision(정밀도)와 Recall(재현율)을 적당히 섞은 것이다.

두 값이 비슷하게 조화를 이루어 더해져야 하므로 조화평균을 사용하여 더한다.

식으로 표현하면 아래와 같다.

 

 

F1 score는 Precision(정밀도)와 Recall(재현율)을 조합하여 만든 것으로, 불량에 초점을 맞춘 평가지표이다.

 

 

 

 

F1 score에 대한 보다 자세한 이해를 도울 수 있는 잘 정리된 게시물의 링크를 첨부한다.

 

https://ffighting.net/deep-learning-basic/%EB%94%A5%EB%9F%AC%EB%8B%9D-%ED%95%B5%EC%8B%AC-%EA%B0%9C%EB%85%90/accuracy-precision-recall-f1score-auroc/

Precision & Recall | F1-Score | AUROC : 일상 사례로 쉽게 이해하기

 

https://ai-com.tistory.com/entry/ML-%EB%B6%84%EB%A5%98-%EC%84%B1%EB%8A%A5-%EC%A7%80%ED%91%9C-Precision%EC%A0%95%EB%B0%80%EB%8F%84-Recall%EC%9E%AC%ED%98%84%EC%9C%A8

[ML] 분류 성능 지표: Precision(정밀도), Recall(재현율), F1-score