의료 진단 모델이 불균형한 데이터셋으로 훈련되었는데, 건강한 환자의 수가 병든 환자의 수보다 훨씬 많습니다. 오탐(건강한 환자를 병든 환자로 잘못 분류하는 것)은 회사 비용을 증가시킵니다. 이러한 우려를 고려할 때, 어떤 지표가 모델 성능을 가장 잘 반영합니까?

정밀도(Precision)는 모델이 양성으로 예측한 것 중 실제로 양성인 비율을 나타냅니다. 이 시나리오에서는 건강한 환자를 병든 환자로 잘못 분류하는 오탐(False Positive)이 회사 비용을 증가시키므로, 오탐을 최소화하는 것이 중요합니다. 정밀도가 높다는 것은 오탐이 적다는 것을 의미하므로, 이 지표가 모델 성능을 가장 잘 반영합니다. 재현율(Recall)은 실제 양성 중 모델이 올바르게 예측한 비율로, 병든 환자를 놓치는 것(False Negative)을 줄이는 데 중점을 둡니다. F1 점수는 정밀도와 재현율의 조화 평균이며, 두 가지 모두 중요할 때 사용됩니다. 정확도(Accuracy)는 전체 예측 중 올바른 예측의 비율이지만, 데이터셋이 불균형할 경우 오해의 소지가 있습니다.