머신러닝에서 모델을 평가할 때, 단순히 정확도(Accuracy)만으로 모델의 성능을 평가하기에는 충분 치 않은 경우가 많다. 특히 클래스 불균형이 존재하거나, 오탐/누락의 비용이 다른 문제에서는 정확도 외의 다양한 성능 지표들을 함께 고려해야 한다.이번에는 머신러닝 분류 모델의 평가에서 사용되는 지표들에 대해 정리해보자! 1. 혼동 행렬 (Confusion Matrix) 혼동 행렬은 분류 모델의 예측 결과를 실제 정답과 비교해 예측이 맞았는지 틀렸는지를 4가지 유형으로 나눈 표이다.모델이 어떤 경우에 올바르게 예측하고, 어떤 경우에 오류가 발생했는지 시각적으로 확인하는데 유용하다. 이진 분류에서 기본적인 성능 분석 도구로 사용되며, 다중 클래스 분류에도 n×n 형태로 확장 가능하다.2. 성능 지표지표정의..
