콘텐츠로 이동
AI Learning WikiAI와 LLM을 연결하는 백과사전

F1 점수 F1 Score

F1 스코어 · F-measure

정밀도와 재현율의 조화평균으로 두 지표가 모두 높을 때만 큰 값을 갖는 분류·검색 성능 지표다.

분류: [평가·관측성·벤치마크](/category/evaluation/) · 문서 상태: 문장 단위 근거 검토 완료 · 최근 검토: 2026-07-13

개념과 원리

섹션 제목: “개념과 원리”

개요와 핵심 정의

섹션 제목: “개요와 핵심 정의”

정밀도와 재현율의 조화평균으로 두 지표가 모두 높을 때만 큰 값을 갖는 분류·검색 성능 지표다.

F1=2PR/(P+R)이며 혼동 행렬로 쓰면 2TP/(2TP+FP+FN)이다. 한 지표가 매우 낮으면 산술평균보다 크게 벌점을 주므로 거짓 양성과 거짓 음성을 함께 고려하려는 상황에 사용한다.

근거 [1]

배경과 설명 범위

섹션 제목: “배경과 설명 범위”

이진 분류에서는 양성 클래스 정의가 먼저다. 다중 클래스·다중 라벨에서는 클래스별 F1을 구한 뒤 micro, macro, weighted, samples 방식으로 평균할 수 있으며 각 방식의 의미가 다르다.

이 문서는 표제어의 일반적 범위와 인접 개념을 외부 백과로 대조하되, 핵심 정의와 기술적 주장은 논문·표준·공식 문서를 기준으로 재서술한다. 제품별 구현 차이는 보편 정의와 분리해 기록한다.

근거 [3]

작동 원리

섹션 제목: “작동 원리”

예측 점수에 임계값을 적용해 TP·FP·FN을 만들고 정밀도와 재현율을 계산한다. 임계값이 바뀌면 F1도 바뀌므로 시험 집합에서 임계값을 튜닝하면 낙관 편향이 생긴다. 검증 집합에서 선택하고 시험 집합에는 한 번 적용한다.

원리를 검증할 때는 입력, 중간 상태, 출력과 실패 조건을 분리한다. 결과값 하나만 확인하지 않고 어떤 가정과 변환을 거쳤는지 관찰 가능한 기록으로 남겨야 다른 구현과 비교할 수 있다.

근거 [1]

구성 요소와 처리 흐름

섹션 제목: “구성 요소와 처리 흐름”

양성 클래스, 평균 방식, 임계값, 표본 가중치, 0으로 나누는 경우의 처리와 신뢰구간이 보고 계약이다. 단일 숫자와 함께 클래스별 support와 혼동 행렬을 제공해야 해석할 수 있다.

구현 비교에서는 기본값에 기대지 않고 인터페이스, 자료형 또는 스키마, 버전과 오류 처리 방식을 명시한다. 같은 명칭의 기능도 라이브러리와 서비스에 따라 경계 조건이 다를 수 있으므로 작은 기준 사례를 고정한다.

근거 [1] [2]

활용과 검증

섹션 제목: “활용과 검증”

활용 분야와 선택 기준

섹션 제목: “활용 분야와 선택 기준”

양성 사례가 드물고 정밀도와 재현율을 동시에 관리해야 하는 검색·탐지·문서 분류에 널리 쓰인다. 두 오류 비용이 크게 다르면 Fβ나 비용 기반 지표를 선택하고 운영 임계값을 별도로 정한다.

도입 여부는 정확도만이 아니라 지연시간, 비용, 설명 가능성, 데이터 요구량과 실패 시 피해를 함께 비교해 결정한다. 단순한 기준선과 실제 업무 데이터에서의 검증 결과가 복잡한 구성을 정당화해야 한다.

근거 [1] [2]

한계와 흔한 오해

섹션 제목: “한계와 흔한 오해”

참음성 TN을 식에 사용하지 않으므로 전체 음성 판별 성능을 숨길 수 있다. macro F1은 희귀 클래스를 동등하게 보지만 표본 수 불확실성이 크고, weighted F1은 다수 클래스에 지배될 수 있다.

평균 성능만 보고 한계를 숨기지 않도록 하위 집단, 경계 입력, 분포 변화와 악의적 입력을 별도로 시험한다. 알려진 실패를 탐지하는 모니터링과 안전한 대체 경로가 없으면 운영 준비가 끝난 것으로 보지 않는다.

근거 [1] [2]

관련 개념과의 구분

섹션 제목: “관련 개념과의 구분”
  • precision-recall: F1을 구성하는 두 지표이며 반드시 각각도 함께 보고해야 한다.
  • accuracy: 전체 정답 비율로 클래스 불균형에서 다수 클래스 성능에 치우칠 수 있다.
  • evaluation: 지표 선택, 데이터 분할, 통계 해석을 포함하는 상위 평가 과정이다.
근거 [1]

구체적인 적용 예시

섹션 제목: “구체적인 적용 예시”

TP=40, FP=10, FN=20이면 정밀도 0.8, 재현율 약 0.667, F1은 약 0.727이다. 임계값 후보별 F1과 비용을 검증 세트에서 비교하고 고정된 시험 세트로 최종 보고한다.

예시는 성공 사례뿐 아니라 실패하기 쉬운 입력을 포함한다. 실행 전 기대 결과와 허용 오차를 적고, 실행 뒤에는 결과뿐 아니라 중간 상태와 선택 이유를 비교해 문제가 데이터·구성·구현 중 어디에서 생겼는지 분리한다.

근거 [1] [2]

실무 적용과 검증 절차

섹션 제목: “실무 적용과 검증 절차”
  1. 목적과 경계 정의: 이 개념이 해결할 업무와 해결하지 않을 업무를 한 문장씩 적는다.
  2. 입력·출력 계약: 자료 형식, 단위, 스키마와 오류 응답을 고정한다.
  3. 기준선 비교: 더 단순한 방법과 동일한 평가 자료에서 품질·비용·지연시간을 비교한다.
  4. 실패 시험: 결측값, 극단값, 분포 변화, 권한 오류와 악의적 입력을 포함한다.
  5. 재현 기록: 데이터 분할·라벨 버전, 양성 클래스, 평균 방식, 임계값 선택 절차, 클래스별 support·F1과 신뢰구간을 기록한다.
  6. 운영 통제: 자동 중단·롤백 조건과 사람이 검토해야 하는 사건을 지정한다.

검토자는 문서의 출처 번호를 따라 정의와 한계를 다시 확인하고, 구현 버전이 바뀔 때 같은 기준 사례와 실패 시험을 반복한다. 개선 폭이 복잡성과 잔여 위험을 상쇄하지 못하면 단순한 기준선으로 돌아간다.

운영 기록 템플릿

섹션 제목: “운영 기록 템플릿”
  • 선택 근거와 제외한 대안을 함께 적어 나중에 결정 조건을 복원한다.
  • 입력 데이터의 기준 시점, 표본 수, 결측 처리와 권한 범위를 고정한다.
  • 정상 기준 사례, 경계 사례, 의도적으로 실패시킬 사례의 기대 결과를 배포 전에 승인한다.
  • 품질·지연시간·비용과 안전 지표에 경고선과 중단선을 따로 둔다.
  • 변경 뒤 동일 평가를 반복하고 결과 차이가 데이터, 코드, 모델 또는 정책 중 어디에서 생겼는지 분류한다.
  • 자동화가 확신하지 못하거나 영향이 큰 경우 사람이 판단할 수 있도록 입력과 근거, 가능한 대안을 한 화면에 제공한다.
근거 [1] [2]

학습 체크

섹션 제목: “학습 체크”
  • F1 점수 개념의 입력, 처리와 출력을 한 문장씩 설명할 수 있는가?
  • 관련 문서 세 개와의 차이를 실제 사례로 구분할 수 있는가?
  • 운영 기록과 실패 시험에서 반드시 남겨야 할 항목을 제시할 수 있는가?

문서 관계

섹션 제목: “문서 관계”

선행 개념

섹션 제목: “선행 개념”

관련 문서

섹션 제목: “관련 문서”

이 문서를 가리키는 문서

섹션 제목: “이 문서를 가리키는 문서”
나머지 86개 문서 보기

이 문서를 포함하는 코스

섹션 제목: “이 문서를 포함하는 코스”

포함된 코스가 없다.

참고와 다음 학습

섹션 제목: “참고와 다음 학습”
외부 백과는 표제어 범위와 용어 관계를 대조하는 데 사용했다. Wikipedia 자료는 CC BY-SA 4.0에 따라 출처를 표시하며, 본문은 원문을 복제하지 않고 1차 자료와 함께 재서술했다. Grokipedia는 robots.txt가 허용한 공개 메타데이터만 확인하고 본문은 가져오지 않았다.

참고 문헌

섹션 제목: “참고 문헌”
  1. A Systematic Analysis of Performance Measures for Classification Tasks — paper
  2. TorchMetrics F-1 Score — documentation
  3. F-score — Wikipedia — encyclopedia

코스에서 계속 읽기

섹션 제목: “코스에서 계속 읽기”

이 문서에서 이어지는 코스가 없다.