혼동 행렬은 분류 모델의 결과를 「실제 클래스와 예측 클래스의 교차표」로 한눈에 볼 수 있게 해 주는 도구입니다.
단순한 정확도 한 숫자보다 훨씬 풍부한 정보를 줍니다.
이진 분류의 혼동 행렬은 2×2 표입니다.
행이 실제 클래스(양성/음성), 열이 모델의 예측(양성/음성)일 때 네 칸이 만들어집니다.
진짜 양성(TP, True Positive), 거짓 양성(FP, False Positive), 진짜 음성(TN, True Negative), 거짓 음성(FN, False Negative).
예를 들어 100명 중 환자가 10명 있는 데이터에서 모델이 환자라고 답한 사람이 12명이고 그중 8명이 진짜 환자라면, TP=8, FP=4, FN=2, TN=86입니다.
정확도는 (TP+TN)/전체 = 94%, 정밀도는 TP/(TP+FP) = 67%, 재현율은 TP/(TP+FN) = 80%로 계산됩니다.
비유하자면 혼동 행렬은 「의사가 환자 100명을 진료한 뒤의 결과 보고서」와 같습니다.
단순히 「몇 명을 맞혔다」가 아니라 「누구를 환자로 잘못 봤고(FP)」, 「누구를 정상으로 놓쳤는가(FN)」를 동시에 보여 주어, 모델의 약점을 정확히 진단할 수 있습니다.
다중 클래스 분류에서는 N×N 표가 됩니다.
가장 자주 헷갈리는 클래스 쌍을 찾을 수 있어 모델 개선의 방향을 잡는 데 큰 도움이 됩니다.
예를 들어 손글씨 숫자 분류에서 「4와 9」가 자주 헷갈린다면 그 두 클래스에 더 많은 학습 데이터를 보충하는 식입니다.
한 줄 요약
혼동 행렬은 실제 클래스와 예측 클래스를 교차표로 보여 주는 진단 도구로, 단순 정확도보다 모델의 약점(어떤 오류가 자주 일어나는지)을 정확히 보여 줍니다.
더 알아볼 것
- TP·FP·FN·TN의 직관적 의미
- Type 1·Type 2 오류의 통계학적 의미
- seaborn으로 혼동 행렬 시각화
