[ML] 혼동 행렬(Confusion Matrix) / TP/TN/FP/FN

혼동 행렬(Confusion Matrix)은 분류 문제에서 예측값과 실제값을 비교하기 위해 사용되는 테이블입니다. 이 행렬은 모델의 성능을 이해하는 데 도움을 줍니다. 혼동 행렬은 다음과 같이 네 가지 기본 요소로 구성됩니다:

1. 참 양성(True Positive, TP): 실제로 양성인 사례를 모델이 양성으로 정확하게 예측한 경우입니다.
2. 참 음성(True Negative, TN): 실제로 음성인 사례를 모델이 음성으로 정확하게 예측한 경우입니다.
3. 거짓 양성(False Positive, FP): 실제로는 음성인데 모델이 양성으로 잘못 예측한 경우입니다. 이를 '제1종 오류'라고도 합니다.
4. 거짓 음성(False Negative, FN): 실제로는 양성인데 모델이 음성으로 잘못 예측한 경우입니다. 이를 '제2종 오류'라고도 합니다.

혼동 행렬은 보통 다음과 같이 표현됩니다:

	예측 양성	예측 음성
실제 양성	참 양성 (TP)	거짓 음성 (FN)
실제 음성	거짓 양성 (FP)	참 음성 (TN)

혼동 행렬을 사용하면 다음과 같은 여러 성능 지표를 계산할 수 있습니다:

• 정확도(Accuracy): 전체 예측 중 올바르게 예측된 비율입니다. ((TP + TN) / (TP + TN + FP + FN))
• 정밀도(Precision): 양성으로 예측된 사례 중 실제로 양성인 사례의 비율입니다. (TP / (TP + FP))
• 재현율(Recall) 또는 감도(Sensitivity): 실제 양성 사례 중 모델이 양성으로 올바르게 예측한 비율입니다. (TP / (TP + FN))
• 특이성(Specificity): 실제 음성 사례 중 모델이 음성으로 올바르게 예측한 비율입니다. (TN / (TN + FP))

혼동 행렬을 통해 모델의 성능을 다각도로 분석하고, 특정 문제에 대해 모델의 강점과 약점을 파악할 수 있습니다.