정밀도(Precision)는 양성 예측 중 실제 양성의 비율이고, 재현율(Recall)은 실제 양성 중 찾아낸 비율이다. 참양성(true positive, TP), 거짓양성(false positive, FP), 거짓음성(false negative, FN)을 사용하면 각각 TP/(TP+FP), TP/(TP+FN)으로 계산한다. F1 점수(F1 score)는 두 값의 조화 평균이다. 정확도(Accuracy)만으로 불균형 데이터를 평가하지 않는다.
평균 절대 오차(mean absolute error, MAE)는 절대 오차의 평균이고, 평균 제곱근 오차(root mean squared error, RMSE)는 제곱 오차 평균의 제곱근으로 큰 오차에 더 민감하다. 단위와 분포가 다른 데이터세트의 숫자를 무조건 비교하지 않는다. K-폴드 교차 검증(k-fold cross-validation)은 훈련·검증 역할을 바꾸어 여러 분할을 평가한다. 작은 데이터에서 분할의 우연성을 줄이지만 누수 제거를 자동 보장하지는 않는다.
분류에서는 참양성·거짓양성·거짓음성의 분모를 먼저 확인한다. 공식 문서 일부 문장에는 기호가 혼재하므로 수식과 영어 정의를 대조한다. 결정 계수 R²는 평가 데이터에서 음수가 될 수 있고 하한을 −1로 고정할 수 없다. 예측이 완벽할 때 평균 제곱 오차(mean squared error, MSE)는 0이므로 “항상 양수”가 아니라 “0 이상”이다. 특정 도구의 단순화된 설명을 수학적 일반 규칙으로 외우지 않는다.
적용 범위: 공식 한국어 설명의 FP·FN 표기에는 혼재가 있다. 명시된 수식과 영어 정의를 기준으로 구분한다. Autopilot의 구현 조건을 모든 기계 학습(machine learning, ML) 도구에 일반화하지 않는다.