꿈라CBT다음 <보기>의 결과에 대한 해석으로 가장 적절한 것은?
보기
3개 클래스 분류 모델의 클래스별 성능은 다음과 같다.
| 클래스 | 표본 수 | F1-score |
|---|---|---|
| A(다수) | 9,000 | 0.95 |
| B(소수) | 500 | 0.40 |
| C(소수) | 500 | 0.30 |
전체 정확도는 0.90이었다.
- 1전체 정확도가 0.90이므로 모든 클래스에서 성능이 고르게 우수하다고 볼 수 있다.
- 2소수 클래스의 F1이 낮은 것은 표본이 적기 때문이므로, 두 소수 클래스를 하나로 합치면 성능이 개선된다.
- 3클래스별 F1의 평균은 표본 수가 다르면 계산할 수 없으므로 정확도만 보고해야 한다.
- 4다수 클래스에 가려지므로, 클래스마다 같은 비중을 주는 매크로 평균 F1을 함께 보고해야 한다.