— views
AI 입문 12화. 정확도 99%인데 왜 쓸모가 없을까?
빵 100개 중 불량은 1개입니다. 검사기가 전부 정상이라고 말하면 99개를 맞힙니다.
전체 정답 비율만으로 부족할 수 있습니다
정확도는 전체 사례 중 맞힌 비율입니다. 한 범주가 압도적으로 많으면 그 범주만 고르는 단순한 방법도 높은 정확도를 얻을 수 있습니다. 그래서 실제로 찾아야 할 사건을 얼마나 찾는지 따로 봅니다.
불량을 ‘양성’으로 정하면 정밀도와 재현율의 분자는 모두 찾아낸 불량 수입니다. 정밀도는 이를 불량 알림 수로, 재현율은 실제 불량 수로 나눕니다.
오류마다 비용이 다를 수 있습니다
정상 빵을 불량으로 버리는 오류와 불량 빵을 정상으로 통과시키는 오류는 결과가 다릅니다. 판정 기준을 바꾸면 두 오류의 균형이 달라질 수 있습니다. 하나의 지표를 무조건 최대화하기보다 업무 목적을 먼저 정해야 합니다.
표에서는 두 지표가 모두 80%입니다. 실제 불량 10개와 불량 알림 10건(정탐 8건+오탐 2건)이 우연히 같기 때문입니다.
평균 뒤에 가려진 상황을 확인합니다
밝은 사진에는 잘 맞고 어두운 사진에는 계속 틀린다면 전체 평균만으로 문제를 놓칠 수 있습니다. 제품 종류·촬영 조건·시점별로 성능을 나누어 봅니다. 실제 대상 집단을 대표하지 못하는 자료는 불균형한 결과로 이어질 수 있습니다.
맞힌 개수와 찾아낸 불량은 다른 질문입니다

불량을 놓치는 비용이 크면 실제 불량 중 찾아낸 비율을 보세요. 알림마다 라인을 멈춘다면 알림 중 진짜 불량의 비율도 중요합니다.
한눈에 정리하기
가상 검사 결과 | 개수 |
|---|---|
실제 불량 | 10 |
찾아낸 불량 | 8 |
정상을 불량으로 잘못 알림 | 2 |
재현율 / 정밀도 | 80% / 80% |
다른 모델과 비교할 때는 평가 자료·양성의 정의·판정 기준을 맞추세요.
확인 문제
제품 100개 중 1개가 불량인데 모델이 모두 정상이라고 했다. 불량 재현율은?
① 99%
② 0%
정답과 해설
정답 ② 0% · 실제 불량 1개 중 찾아낸 수가 0개다. 99%는 전체 제품 중 맞힌 비율인 정확도다.
불량 알림 20건을 열어 보니 15건이 실제 불량이었다. 알림의 정밀도는?
① 75%
② 25%
정답과 해설
정답 ① 75% · 정밀도는 알림 중 맞힌 비율이므로 15 ÷ 20 = 75%다. 놓친 불량 수는 이 자료만으로 알 수 없다.
조금 더 깊이 · 선택해서 읽기
여러 임곗값에서의 성능을 보는 곡선이나 지표도 있습니다. 어떤 지표든 실제 오류의 비용과 함께 해석하며 데이터 수가 적을 때의 변동성도 고려합니다.
함께 볼 위키
출처와 더 읽을 자료
Google — Accuracy, recall, precision, and related metrics — 분류 평가 지표 · 확인 2026-10-29
Google — Types of bias — 자료와 평가의 편향 · 확인 2026-10-29
만화는 AI로 제작한 비유이며, 별도 표시가 없는 수치는 가상 예시입니다.
Comments (0)