정밀도-재현율 곡선(PR Curve)과 AUPRC 정리: ROC 곡선과의 차이와 불균형 데이터 평가법
임계값에 따라 달라지는 정밀도와 재현율로 그리는 PR 곡선과 그 아래 면적(AUPRC)의 의미, 양성 비율로 정해지는 기준선 계산, 완벽한 분류기의 모습, 그리고 클래스 불균형에서 ROC 곡선보다 PR 곡선을 써야 하는 이유를 정리했다.
핵심 내용 읽기 →AI TOPIC
불균형데이터 관련 핵심 뉴스와 활용 인사이트 2편을 최신순으로 모았습니다.

임계값에 따라 달라지는 정밀도와 재현율로 그리는 PR 곡선과 그 아래 면적(AUPRC)의 의미, 양성 비율로 정해지는 기준선 계산, 완벽한 분류기의 모습, 그리고 클래스 불균형에서 ROC 곡선보다 PR 곡선을 써야 하는 이유를 정리했다.
핵심 내용 읽기 →
사기 탐지처럼 한쪽 클래스가 극단적으로 적은 불균형 데이터에서는 정확도가 무의미합니다. 언더샘플링·오버샘플링·SMOTE·앙상블·포컬 로스 다섯 기법으로 소수 클래스의 F1 점수를 끌어올리는 방법을 정리했습니다.
핵심 내용 읽기 →