헷갈려서 다시 정리하는 Precision, Recall

안녕하세요. 오늘은 Precision과 Recall에 대해서 다시 정리하려고 합니다.

이전에 검색, AI 엔지니어링에 대해 공부했을 때 짚고 넘어간 개념이었는데도 잘 모르더라고요 ㅋㅋ쿠ㅠ

이번에 완벽히 이해하면서 다시 정리해보려고 합니다.

---

1. 헷갈리는(?) 정의

정의 자체는 단순하지만 두 정의가 비슷해서 조금 헷갈립니다.

• Precision: 모델 혹은 알고리즘이 예측한 양성이 실제로 양성인 확률
• Recall: 실제 양성을 모델 혹은 알고리즘이 양성으로 예측한 확률

 

'똑같은 말인 거 아니야?' 싶지만 엄연히 다릅니다.
각 정의를 풀어서 식으로 표현해보면 아래와 같습니다.

 

Precision
= 모델이 양성으로 예측한 것 중 진짜 양성인 수 / 모델이 양성으로 예측한 수
= 모델이 양성으로 예측한 것 중 진짜 양성인 수 / (모델이 양성으로 예측한 것 중 진짜 양성인 수 + 모델이 양성으로 예측한 것 중 음성인 수)

Recall
= 모델이 양성으로 예측한 것 중 진짜 양성인 수 / 실제 양성 수
= 모델이 양성으로 예측한 것 중 진짜 양성인 수 / (모델이 양성으로 예측했고 실제로 양성인 수 + 모델이 음성으로 예측했지만 양성인 수)

 

수식이 너무 길죠? 통계 분야에서는 이런 용어로 간단하게 표현하더라고요.

	실제로 양성	실제로 음성
모델이 양성으로 예측	True Positive (TP)	False Positive (FP)
모델이 음성으로 예측	False Negative (FN)	True Negative (TN)

Precision = TP / (TP + FP)
Recall = TP / (TP + FN)

 

2. 지표 해석하는 기본적인 방법

Precision과 Recall은 상호보완적인 지표입니다.

Precision은 아주 확실한 것들만 양성으로 예측했을 때 지표가 높아지고
Recall은 양성이라고만 예측하면 높아지는 지표이기 때문입니다.

그래서 PR곡선이나 F1 점수(Precision과 Recall의 조화평균)를 같이 보는 것도 좋은 방법이라고 합니다!