Recall

Confusion Matrix에서 Recall에 대해 설명드리겠습니다.

Recall의 정의

Recall은 실제 Positive인 것들 중에서 모델이 Positive로 정확히 예측한 비율입니다.

공식:

Recall = TP / (TP + FN)

• TP (True Positive): 실제 Positive를 Positive로 예측
• FN (False Negative): 실제 Positive를 Negative로 예측 (놓친 것)

왜 필요한가?

Recall은 "실제 양성 케이스를 얼마나 잘 찾아내는가"를 측정합니다.

중요한 경우:

• 암 진단: 암 환자를 놓치면 안 됨
• 사기 탐지: 실제 사기를 놓치면 큰 손실
• 스팸 필터링: 중요한 메일이 스팸으로 분류되면 안 됨

즉, "놓치면 안 되는 상황"에서 특히 중요합니다.

왜 "Recall"이라고 부르나?

맞습니다! Recall의 기본 뜻은 "회수하다, 떠올리다, 소환하다"입니다.

명명 이유:

• "회수하다"의 의미로, 실제 존재하는 모든 Positive 케이스를 얼마나 많이 회수(찾아냈는지)를 나타냅니다
• 정보 검색(Information Retrieval) 분야에서 유래했는데, "검색 시스템이 관련된 문서들을 얼마나 많이 불러왔는가(recall)"를 측정하는 지표였습니다

비유:
바다에 100개의 진주가 있다면, 그 중 몇 개를 회수(recall)했는가?

• 80개를 찾았다면 → Recall = 80%
• 20개를 놓쳤다면 → 그만큼 Recall이 낮음

다른 이름들

Recall은 다음과 같이도 불립니다:

• Sensitivity (민감도): 의학 분야에서 주로 사용
• True Positive Rate (TPR): 통계학에서 사용
• 적중률: 한국어 번역

모두 같은 개념이지만, 분야마다 선호하는 용어가 다릅니다.