Penalized accuracy for evaluating binary classifier and Ising models
Donghyuk Lee, Jongmin Lee, MinWoo Kim · Journal of the Korean Data and Information Science Society · 2024
이진분류란 통계학의 한 분야로서 주어진 자료를 양성 또는 음성으로 분류하는 과정을 뜻한다. 로지스틱 회귀 모형, 서포트벡터머신, 신경망 등이 대표적인 이진분류 모형이다. 이진분류 모형의 성능평가를 위한 대중적인 지표로는 정확도가 있다. 정확도는 분류기가 예측한 값 전체 중 참양성과 참음성의 합에 대한 비율, 즉 정확하게 예측한 비율을 나타낸다. 정확도는 직관적으로 이해하기 쉽다는 장점 때문에 통계학, 머신러닝, 컴퓨터공학 등의 분야에서 많이 쓰이지만 위양성과 위음성에 대한 효과를 고려하지 않는다는 단점도 가지고 있다. 본 연구에서는 정확도가 왜곡된 해석을 초래하는 구체적인 예를 보이고 목적에 맞게 개량될 수 있는 벌점정확도를 정의한다. 또한, 이징모형의 최대가능도추정과 벌점정확도의 관계를 증명하여 보다 확장된 연구로의 가능성을 선보인다.