모델(Model): model.predict()와 accuracy_score 내부 동작 정리

1. model.predict(X_test)의 내부 동작

• 학습된 모델이 X_test의 각 샘플(행)을 입력받아 예측 라벨을 생성함.

• 모델 종류별 예측 방식 예

  • 결정트리(Tree): 분기 기준을 따라 내려가 리프 노드의 클래스를 선택

  • 로지스틱회귀(Logistic Regression): 시그모이드로 확률 계산 후 임계값 0.5 기준으로 0/1 결정

  • SVM: 초평면 기준으로 어느 쪽에 속하는지 판단

• 최종 출력은 y_pred 배열.

2. accuracy_score(y_test, y_pred)의 계산식

정확도(Accuracy)는 다음과 같은 공식으로 계산됨.

수식 표현:

• $y_i$ : 실제 라벨

• $ŷ_i$ : 모델이 예측한 라벨

• $n$ : 전체 샘플 수

• $y_i == ŷ_i$이면 1, 아니면 0으로 계산됨

3. accuracy_score 내부 구현

• y_test와 y_pred를 같은 인덱스끼리 비교하여 맞으면 1, 틀리면 0

• 모두 더한 뒤 전체 개수로 나눔

4. 예시

y_test = [0, 1, 1, 0]


y_pred = [0, 1, 0, 0]

• 맞은 개수 = 3

• 전체 = 4

• Accuracy = 3 / 4 = 0.75

5. Accuracy 사용 시 주의사항

• 데이터가 불균형(Class Imbalance)일 때 정확도는 왜곡됨.

  • 예: 정상 95%, 이상 5%

  • 모델이 전부 정상이라고만 예측해도 Accuracy = 0.95

• 이런 경우 반드시 아래 지표도 함께 확인해야 함.

  • Precision

  • Recall

  • F1-score

  • ROC-AUC