F1 스코어는 정밀도와 재현율을 결합한 지표이다. 정밀도와 재현율 어느 한쪽으로 치우치지 않는 수치를 나타낼 때, F1 Score는 상대적으로 높은 값을 가지게 된다.
$$ F1 = 2\frac{Precision * Recall}{Precision + Recall} $$
분류 모델의 성능을 제대로 이해하기 위해서는 모델의 에측이 어떤 유형의 오류를 범했는지 파악해야 한다. 이를 위해 혼동 행렬(Confusion Matrix)을 기반으로 하는 두 가지 중요한 지표, 정밀도와 재현율을 활용한다.
혼동 행렬이란? 실제 값과 모델의 예측 값을 비교하여 분류 모델의 성능을 시각적으로 나타내는 표.
모델이 양성이라고 예측한 것들 중에서 실제로 양성인 비율을 나타냄 = “이 모델이 양성이라고 판단했다면, 얼마나 믿을 수 있는가?” 이는 모델 예측의 ‘신뢰도’ 또는 ‘보수성’을 측정하는 지표
실제 양성인 것들 중에서 모델이 얼마나 많이 올바르게 찾아냈는지를 나타냄 = “실제로 양성인 모든 것을 모델이 얼마나 놓치지 않고 찾아내는가?” 모델 예측의 ‘포괄성’ 또는 ‘민감도’를 측정하는 지표
이 두 지표는 본질적으로 상충관계(Trade-off)에 있다.