분류 모델을 서로 비교하고 평가하는 데 일반적으로 가장 적합한 지표는 무엇입니까?

AUC(ROC 곡선 아래 면적)는 분류 모델의 성능을 비교하고 평가하는 데 가장 적합한 지표 중 하나입니다. AUC는 모든 가능한 분류 임계값에서 모델의 TPR(True Positive Rate)과 FPR(False Positive Rate) 간의 균형을 측정하여, 임계값에 구애받지 않는 모델의 전반적인 성능을 나타냅니다. 0부터 1까지의 값을 가지며, 1에 가까울수록 모델의 분류 성능이 우수함을 의미합니다. 재현율(Recall)은 실제 양성 중 모델이 올바르게 예측한 비율을 나타내지만, 이는 특정 임계값에 따라 달라지며 모델의 전반적인 성능을 평가하기에는 부족합니다. 오분류율(Misclassification rate)은 모델이 잘못 분류한 전체 샘플의 비율로 직관적이지만, 클래스 불균형이 있는 데이터셋에서는 오해의 소지가 있습니다. MAPE(Mean absolute percentage error)는 회귀 모델의 오차를 측정하는 지표로, 분류 모델 평가에는 적합하지 않습니다.