F1 점수 (F1 Score)

한 줄 정의: 정밀도와 재현율을 하나로 합쳐, 두 값이 모두 낮으면 낮게 나오도록 계산한 분류 성능 평가 지표입니다.

쉽게 풀면

정밀도(맞다고 한 것 중 진짜 맞은 비율)와 재현율(진짜 맞는 것 중 찾아낸 비율)은 종종 한쪽을 올리면 다른 쪽이 떨어지는 관계에 있습니다. 예를 들어 스팸 메일 필터가 의심스러운 메일을 전부 스팸으로 분류하면 재현율은 높아지지만, 정상 메일까지 스팸으로 잘못 거르면서 정밀도는 떨어집니다. F1 점수는 이 두 값의 "조화평균"을 구해서, 어느 한쪽만 유독 낮아도 전체 점수가 크게 깎이도록 설계된 지표입니다. 그래서 정밀도와 재현율을 동시에 균형 있게 잘 내야 F1 점수가 높게 나옵니다.

왜 중요한가

F1 점수는 클래스 불균형이 심한 데이터(예: 정상 사례가 대다수이고 이상 사례가 극소수인 경우)에서 정확도(accuracy)만으로는 성능을 제대로 판단하기 어려운 상황을 보완해주기 때문에, 자연어처리의 개체명 인식, 의료영상 진단, 이상 탐지, 정보검색 등 분류·검색 성능을 다루는 논문에서 표준 지표로 폭넓게 쓰입니다. 여러 모델을 하나의 숫자로 비교할 수 있어 벤치마크 논문에서 대표 성능지표로 자주 채택됩니다.

논문에서는 이렇게 쓰입니다

"제안 모델은 정밀도 0.81, 재현율 0.78을 기록했으며, 이를 종합한 F1 점수는 0.79로 기존 방법(F1 0.71)보다 높았다."

이 문장은 정밀도와 재현율을 각각 따로 보고하는 대신, 두 값을 하나로 합친 F1 점수로 모델 간 전체적인 분류 성능을 간단히 비교하고 있다는 뜻입니다.

"개체명 인식 태스크에서 제안 모델은 매크로 평균 F1 점수 0.87을 달성하여 기존 베이스라인 대비 성능 향상을 보였다."

자연어처리에서는 여러 개체명 범주에 대한 F1 점수를 평균낸 매크로 F1을 이용해 모델 전체 성능을 요약한다는 뜻입니다.

"악성 종양 탐지 모델의 F1 점수는 0.92로, 클래스 불균형이 심한 데이터셋에서도 안정적인 분류 성능을 보였다."

의료영상 분석에서는 정상 사례가 훨씬 많은 불균형 데이터에서도 F1 점수로 모델의 실질적인 탐지 능력을 평가한다는 의미입니다.

조금 더 깊게 보면

F1 점수는 정밀도와 재현율에 동일한 가중치(1:1)를 두는 것이 기본형이지만, 재현율을 더 중요하게 보는 F2 점수처럼 가중치를 조정한 F베타(F-beta) 점수도 목적에 따라 사용됩니다. 클래스가 여러 개인 다중분류 문제에서는 각 클래스별 F1을 단순 평균하는 매크로(macro) F1, 클래스 크기를 반영해 가중 평균하는 가중(weighted) F1, 전체 예측을 합산해 계산하는 마이크로(micro) F1 중 어떤 방식을 썼는지에 따라 값이 달라질 수 있어 논문에서 이를 명시하는 것이 중요합니다.

주의할 점

F1 점수는 정밀도와 재현율에 같은 가중치를 두고 계산한 값이므로, 연구 목적상 둘 중 하나(예: 암 진단에서는 재현율)가 훨씬 더 중요한 경우에는 F1 점수 하나만으로 모델을 평가하면 오히려 판단을 그르칠 수 있습니다. 이런 경우에는 민감도와 특이도처럼 각 지표를 따로 확인하는 것이 더 적절합니다.