모델이 출력한 양성 점수와 최종 양성 판정은 다르다. 임계값(threshold)을 옮기면 참양성(true positive, TP)뿐 아니라 거짓양성(false positive, FP)과 거짓음성(false negative, FN)의 수도 달라진다. 어떤 오류의 비용이 더 큰지 정한 뒤 잘못 울리는 경보와 놓치는 사건을 비교한다. 곡선 아래 면적인 AUC(area under the curve)는 여러 임계값에 걸친 분류 구분력을 평가하지만, 운영에 사용할 특정 임계값의 비용이나 정밀도(Precision)를 대신하지 않는다. 정확도(Accuracy)는 전체 예측 중 정답의 비율, 정밀도는 양성으로 예측한 것 중 실제 양성의 비율, 재현율(Recall)은 실제 양성 중 찾아낸 비율이다.
영역 1 심화의 계산 예시는 총 1,000건의 거래 중 사기가 10건인 상황을 다룬다. 모두 정상으로 판정하면 정확도는 99%지만 사기 재현율은 0이다. 이는 공식 실측치가 아닌 자체 예시이며, 평가 지표와 교차 검증의 분모와 함께 읽는다.
적용 범위: 출처는 과거 Amazon ML 제품 문서다. 혼동 행렬의 개념 근거로만 사용하며 신규 서비스 도입 근거로 사용하지 않는다.
공식 출처와 이어 읽기
용어 확인: 정밀도(Precision) · 재현율(Recall).