Classification Report - 분류 보고서

Classification Report는 머신러닝 모델의 성능 평가를 위해 사용되며, Scikit-learn의 `metrics` 모듈에서 제공하는 도구이다.

(1) Classification Report란?

Classification Report는 모델이 얼마나 정확하게 분류했는지를 평가하는 지표를 제공한다. 주로 분류 문제에서 모델의 성능을 정량적으로 분석할 때 사용된다.

(2) 주요 평가 지표

• Precision (정확도): TP / (TP + FP) - 모델이 예측한 Positive 중 실제로 Positive인 비율
• Recall (재현율): TP / (TP + FN) - 실제 Positive 중에서 모델이 Positive로 예측한 비율
• F1-Score: Precision과 Recall의 조화 평균 = 2 × (Precision × Recall) / (Precision + Recall)
• Support: 각 클래스의 실제 데이터 개수

(3) Classification Report 해석

Precision과 Recall, F1-Score의 균형을 고려하여 모델의 성능을 평가할 수 있다.

• Precision이 높으면 False Positive가 적음을 의미
• Recall이 높으면 False Negative가 적음을 의미
• F1-Score는 Precision과 Recall의 균형을 평가

(4) 예제

아래는 Classification Report 예제 결과의 시각적 표현이다.