혼란 행렬
혼동 행렬은 분류기의 예측을 각 클래스의 올바른 개수와 잘못된 개수로 나누는 간단한 테이블입니다.
개요
It is the raw scoreboard from which nearly every other classification metric is calculated.
심층 분석
혼동 행렬은 예측된 레이블과 실제 레이블을 비교하는 그리드입니다. 이진 분류의 경우 참양성(정확하게 예측된 양성), 참음성(정확하게 음성으로 예측됨), 거짓양성(잘못 표시된 양성, '유형 I 오류') 및 거짓 음성(누락된 양성, '유형 II 오류')의 4개 셀이 있습니다. 이 4개 숫자에서 정확도((TP+TN)/전체), 정밀도(TP/(TP+FP)), 재현율 또는 민감도(TP/(TP+FN)), 특이성(TN/(TN+FP)) 및 F1 점수(정밀도와 재현율의 조화 평균)를 도출합니다. 세 개 이상의 클래스가 포함된 문제의 경우 행렬은 NxN이 됩니다. 여기서 대각선은 올바른 예측을 유지하고 비대각선 셀은 어떤 클래스가 다른 클래스와 혼동되는지 정확하게 나타냅니다.
기술적 통찰력
매트릭스의 힘은 단일 정확도 숫자가 숨기는 오류의 구조를 보존한다는 것입니다. 90%의 동일한 정확도를 가진 두 모델은 매우 다른 위음성 비율을 가질 수 있으며, 이는 잘못된 암 진단으로 인한 비용이 잘못된 경보보다 더 큰 경우 매우 중요합니다. 관례에 따라 행은 실제 클래스를 나타내고 열은 예측 클래스를 나타내는 경우가 많습니다(일부 라이브러리에서는 이를 뒤집지만). 따라서 셀에서 정밀도와 재현율을 계산하기 전에 항상 축 레이블을 확인하세요.
전략적 영향
더 명확한 결정들
이는 명확한 기술적 주장과 마케팅 언어를 구분하는 데 도움이 됩니다.
비용 및 예산
돈이나 시간을 들이기 전에 더 나은 구현 질문을 할 수 있습니다.
팀과 워크플로우
이해를 공유한 팀은 더 나은 제품, 정책 및 학습 결정을 내립니다.
혼동 행렬의 미래
혼란 행렬은 기본으로 유지되지만 도구를 통해 대화형 정규화된 히트맵, 대규모 라벨 세트에 대한 클래스별 분류, 각 오류 유형에 실제 페널티를 곱하는 비용 가중 행렬 등 더욱 풍부해졌습니다. 공정성 감사에서 실무자는 이제 인구통계학적 하위 그룹별로 별도의 혼동 행렬을 계산하여 불평등한 오류율을 노출합니다. 셀을 클릭하면 실제로 잘못 분류된 검사 사례가 표시되는 모델 대시보드에 대한 지속적인 통합이 기대됩니다.
실제 구현
대각선을 벗어난 셀에서 허스키와 늑대를 자주 혼동하는 것을 확인하여 이미지 분류기가 실패하는 위치를 진단합니다.
거짓 음성 검사를 통한 의료 선별 도구 감사 — 모델이 건강하다고 선언한 질병이 있는 환자
정확도는 동일하지만 잘못 차단한 실제 이메일 수(오탐)가 다른 두 개의 이메일 스팸 필터 비교
다중 클래스 필기 숫자 인식기를 평가하여 4와 9가 서로 혼동되는 경우가 가장 많다는 사실 확인
위험 및 가드레일
팀마다 동일한 용어를 다르게 사용할 수 있으므로 범위를 조기에 정의하세요.
벤치마크는 강력해 보이지만 실제 성능은 고르지 않을 수 있습니다.
데이터 품질 및 평가 계획을 무시하면 취약한 결과가 발생하는 경우가 많습니다.
구현 로드맵
필요한 결과에 대한 일반 언어 정의부터 시작하세요.
테스트하기 전에 하나의 성공 지표와 하나의 실패 조건을 선택하세요.
세련된 데모 세트가 아닌 대표 데이터를 사용하여 소규모 파일럿을 실행하세요.
혼동 행렬이 도움이 되는 부분과 더 간단한 방법이 더 나은 부분을 문서화하세요.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Confusion Matrices quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
다음 가이드
교차 검증
자주 묻는 질문
What is Confusion Matrices?
혼동 행렬은 분류기의 예측을 각 클래스의 올바른 개수와 잘못된 개수로 나누는 간단한 테이블입니다. 이는 거의 모든 분류 지표가 계산되는 원시 점수판입니다.
이진 혼동 행렬에서 거짓 부정이란 무엇입니까?
거짓 음성은 모델이 음성 라벨을 지정하여 놓친 실제 양성입니다. 예를 들어 아픈 환자가 건강하다고 선언한 경우입니다.
모델이 올바르게 식별한 실제 긍정의 비율을 측정하는 측정항목은 무엇인가요?
재현율(민감도 또는 참양성률이라고도 함)은 TP/(TP + FN)으로, 모델이 포착한 실제 긍정 비율입니다.
5개 클래스 문제에 대한 혼동 행렬에서 대각선 셀은 무엇을 나타냅니까?
NxN 행렬에서 대각선은 예측된 클래스가 실제 클래스와 일치하는 경우, 즉 올바른 예측을 보유합니다.
혼동 행렬 없이 정확성만으로 오해를 불러일으킬 수 있는 이유는 무엇입니까?
정확도가 동일한 두 모델은 오류를 매우 다르게 분포할 수 있습니다. 혼동 행렬은 오류가 대부분 허위 경보인지 아니면 긍정 오류인지를 드러냅니다.
F1 점수는 두 지표의 조화 평균입니다.
F1은 조화 평균을 사용하여 정밀도와 재현율을 하나의 숫자로 결합하여 둘 사이의 큰 불균형에 불이익을 줍니다.