정확도는 그대로인데, 놓치는 양성은 왜 늘어날까?
여섯 예측 점수에서 임계값을 0.50과 0.75로 바꾸고 정밀도·재현율·F1을 다시 계산한다.
그림에서 무엇을 볼까요?
임계값 0.50과 0.75에서 TP, FP, TN, FN과 정밀도, 재현율, 정확도가 달라지는 비교 그림.
분류기는 0과 1 사이 점수를 낼 수 있지만, 실제 행동을 하려면 경계가 필요하다. 이 글은 '점수 이상은 양성'이라는 규칙을 먼저 공개한다.
함께 확인할 점
입력을 직접 바꾸고 계산과 한계를 함께 확인합니다.
생각해 볼 질문
위험 사례를 놓치면 큰 피해가 나는 상황에서 먼저 볼 지표는?
같은 세 점수인데, 온도만 바꾸면 확률은 얼마나 달라질까?
방향은 더 비슷한데, 왜 추천 순위는 뒤집힐까?
AI가 API 첫 페이지만 보고 전체 결과라고 해도 될까요?