일부 클래스에 다른 클래스보다 훨씬 더 많은 예시가 있는 불균형한 데이터 세트에서 모델을 훈련할 때, 모델이 클래스를 올바르게 감지하고 레이블을 지정하는 균형을 얼마나 잘 맞추는지 측정하는 데 가장 적합한 지표는 무엇입니까?

불균형한 데이터 세트에서 모델의 성능을 평가할 때 F1 점수는 정밀도와 재현율의 조화 평균을 제공하여 모델이 소수 클래스를 얼마나 잘 식별하는지 균형 있게 보여주므로 가장 적합합니다. 정확도(Accuracy)는 전체적으로 올바르게 예측된 비율을 나타내지만, 불균형 데이터에서는 다수 클래스에 대한 예측이 대부분을 차지하여 모델이 소수 클래스를 제대로 식별하지 못해도 높은 값을 보일 수 있어 오해의 소지가 있습니다. 재현율(Recall)은 실제 양성 중 모델이 올바르게 예측한 비율을 측정하여 소수 클래스를 놓치지 않는 데 중점을 두지만, 너무 많은 거짓 양성을 포함할 수 있습니다. 정밀도(Precision)는 모델이 양성으로 예측한 것 중 실제 양성인 비율을 측정하여 거짓 양성을 줄이는 데 중점을 두지만, 실제 양성을 놓칠 수 있습니다. F1 점수는 이 두 가지 지표를 모두 고려하여 불균형 데이터 세트에서 모델의 전반적인 성능을 더 신뢰할 수 있게 평가합니다.