정밀도

정확도와의 차이

정확도는 관측값과 관측대상과의 근접 정도로서 일반적으로 확률오차(Random error)와 편의에 기인한 계통오차(Systematic error)의 합
정밀도는 확률오차에만 관련된 것으로 반복측정에서 얼마나 재현성이 있는가, 즉 얻어진 각 측정값간의 산포정도

데이터 분석 기획에서는 분석 과제(모델)의 특징으로 두 가지를 함께 본다.

구분	뜻	중요한 측면
Accuracy(정확도)	모델의 결과와 실제 값 사이의 차이가 작은 정도	분석 결과를 활용하는 측면
Precision(정밀도)	모델을 반복해 돌렸을 때 결과의 편차가 작은 정도. 일관되게 같은 결과를 내는가	모델의 안정성 측면

'정확도', '정밀도' 는 분석 과제의 특징을 말할 때와 혼동 행렬로 분류 모델을 평가할 때 뜻이 다르다.

용어	분석 과제의 특징	분류 평가지표
Accuracy(정확도)	모델의 결과와 실제 값의 차이가 작은 정도	전체 중 맞게 예측한 비율 (TP + TN) / (TP + TN + FP + FN). → 정확도
Precision(정밀도)	모델을 반복했을 때 결과의 편차가 작은 정도	True(양성)로 예측한 것 중 실제 True 인 비율 TP / (TP + FP). → Precision (Data Science)
Recall(재현율)	—	실제 True 인 것 중 True 로 예측된 비율 TP / (TP + FN). → Recall (Data Science), 민감도

"Accuracy 는 True 로 예측된 것 중 실제 True 인 것의 비율" 은 평가지표의 정밀도를, "Precision 은 실제 True 인 것 중 True 로 예측된 것의 비율" 은 재현율을 설명한 것이다. 분석 과제의 Accuracy·Precision 에 대한 설명으로는 둘 다 틀리다.
분석 과제에서 Precision 은 모델을 반복 수행했을 때의 편차, 곧 안정성을 뜻한다. 활용 측면에서는 Accuracy, 안정성 측면에서는 Precision 이 중요하고, 둘은 트레이드오프가 되는 경우가 많다.