F1
F1 점수(F1 Score)는 분류 작업에서 정밀도(Precision)와 재현율(Recall)의 조화 평균을 사용하여 모델의 정확성을 평가하는 지표다.
이 지표는 데이터셋에 불균형이 있을 때, 즉 어떤 클래스의 샘플이 다른 클래스 샘플 수 보다 훨씬 많아 불균형을 이룰 때 유용하다.
F1 점수는 0.0부터 1.0 사이의 값으로 표현되며, 1.0 에 가까울수록 모델의 성능이 뛰어남을 의미한다.
조화 평균
주어진 수들의 역수의 산술 평균의 역수를 말한다. 평균적인 변화율을 구할 때에 주로 사용
F1 Score expression
\(F1 = 2 \times \frac{\text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}\)
- 정밀도(Precision) : 모델이 양성이라고 예측한 것들 중 실제로 양성인 비율
- 재현율(Recall) : 실제 양성 중 모델이 양성으로 올바르게 예측한 비율
\(\text{Precision} = \frac{TP}{TP + FP}\)
\(\text{Recall} = \frac{TP}{TP + FN}\)
- True Positive (TP, 진짜 양성): 모델이 양성이라고 예측하고 실제로 양성인 경우의 수
- False Positive (FP, 거짓 양성): 모델이 양성이라고 예측했지만 실제로는 음성인 경우의 수
- True Negative (TN, 진짜 음성): 모델이 음성이라고 예측하고 실제로 음성인 경우의 수
- False Negative (FN, 거짓 음성): 모델이 음성이라고 예측했지만 실제로는 양성인 경우의 수