머신러닝 모델을 구축할 때 많은 초보자들이 찾는 것은 정확도입니다. 피부 질환을 탐지하는 모델이 있다고 상상해 보세요. 테스트 데이터셋에는 10,000명의 환자가 있으며, 그중 100명만이 질병을 가지고 있고 나머지는 건강합니다. 모델은 결국 모든 사람을 건강하다고 예측합니다. 이는 99%의 정확도를 제공하며, 인상적으로 들릴 수 있지만 단 한 명의 아픈 환자도 식별하지 못했습니다.이제 실제 세계에 배포하면서 정확도를 맹목적으로 신뢰한다고 생각해 보세요. 테스트 단계에서 단 한 명의 아픈 사람도 식별하지 못했기 때문에 이는 재앙이 될 것입니다. 이것이 모델이 테스트 단계에서 인상적인 정확도를 제공했음에도 불구하고 실제 세계에서 실패할 수 있는 이유입니다. 실제 생활에서 모델의 동작을 실제로 이해하려면 정확도 이상의 지표를 살펴봐야 합니다.