Precision(정밀도), Recall(재현율)

  이번 포스팅에서는 딥러닝에서 성능척도로 사용되는 Precision(정밀도)와 Recall(재현율)에 대해서 말씀드리겠습니다. 

 

Confusion matrix

성능이라는 것은 정답을 얼마나 잘 맞추는지를 말합니다. 딥러닝이 정답을 잘 맞추는지에 대한 경우의 수는 위의 confusion matrix에 보여주는 것처럼 4가지의 case가 존재합니다.

 

 - TP(True Positive: 잘 긍정): 정답을 정답이라고 잘 맞춘 경우 (정답)

 - FP(False Positive: 잘못 긍정): 오답을 정답이라고 잘못 맞춘 경우 (오답)

 - FN(False Negative: 잘못 부정): 오답을 정답이라고 잘못 맞춘 경우 (오답)

 - TN(True Negative: 잘 부정): 오답을 오답이라고 잘 맞춘 경우 (정답)

 

위의 4가지 경우는 쉽게 정리되지만 항상 헷갈립니다. 저는 헷갈리지 않기 위해 예를들어 FN의 경우에 "잘못 부정" 라고 읽어서 "부정이 정답인데 잘못 맞췄구나" 라고 해석을 합니다.

 

Precision(정밀도)

  Precision은 모델이 True라고 분류한 것 중에서 실제 True인 것의 비율입니다. 즉, 예측을 잘하든 못하든 True라고 예측한 모든 경우중에서 실제로 True인 경우를 말하기 때문에 얼마나 정밀하게 True라고 했는지 의미합니다.

 

 

Recall(재현율)

  Recall은 실제 True 중에서 모델이 True라고 예측한 비율입니다. 즉, 모든 True중에서 True라고 예측한 비율이기 때문에, True인 것을 또 다시 잘 맞출 확률을 의미합니다.

 

 

 

Reference

 

[1] https://sumniya.tistory.com/26