머신러닝에서 Precision(정밀도), Recall(재현율)의 차이

1. Precision(정밀도)

정밀도는 최대한 “정밀”하게 양성을 추출해야 하는 경우에 중요합니다. 알고리즘 매매에서 거액의 돈이 왔다갔다 하는데 잘못된 시그널에 따라 투자하면 안되기에 진짜 진짜 positive라고 확신하는 경우에만 양성으로 판단해야 할 때 precision을 높입니다.

통계적으로는 False Positive(Type I error)를 조심해야 하는 상황에서는 precision이 recall보다 중요합니다.

2. Recall(재현율)

재현율은 최대한 많은 양성을 추출(recall)해내야 하는 상황에서 중요합니다. 은행에 복면을 쓴 누군가가 들어왔는데 저 사람이 강도인지 아닌지 확신이 없더라도 경보부터 울리고 봐야하기에, 양성(positive)이라는 강한 확신이 없더라도 최대한 많은 양성을 잡아내는 것이 목표일 때 recall을 높입니다.

통계적으로는 False Negative(Type II error)를 조심해야 하는 상황에서는 recall이 precision보다 중요합니다.

정리하자면, Precision(정밀도)은 판단에 대한 확신이 매우 중요할 때, 잘못 판단하면 리스크가 굉장할 때(투자손실) 중요한 지표입니다. Recall(재현율)은 확신보다는 놓쳤을 때의 리스크가 어마어마할 때(범죄 검거, 암 진단) 중요한 지표입니다.