조화평균 (Harmonic Mean)

한 줄 정의: 값들의 역수를 평균 낸 뒤 다시 뒤집어서 구하는, 비율이나 속도를 평균할 때 쓰는 평균값입니다.

쉽게 풀면

집에서 회사까지 갈 때 갈 때는 시속 60km, 올 때는 시속 40km로 달렸다면 "평균 속도"는 얼마일까요? (60+40)/2인 50km/h라고 생각하기 쉽지만, 실제로는 틀린 계산입니다. 거리가 같은데 걸린 시간이 다르기 때문에, 단순 평균이 아니라 조화평균을 써야 정확한 값(48km/h)이 나옵니다. 조화평균은 각 값의 역수(1/값)를 먼저 평균 낸 다음, 그 결과를 다시 역수로 뒤집어서 구합니다. 이렇게 하면 크게 튀는 극단값의 영향을 줄이면서, 비율이나 속도처럼 "분모가 서로 다른" 값들을 공정하게 평균 낼 수 있습니다.

왜 중요한가

조화평균은 서로 다른 기준(속도, 비율, 배율 등)으로 정의된 값들을 공정하게 요약해야 할 때 산술평균보다 더 정확한 대푯값을 제공하기 때문에, 통계학뿐 아니라 기계학습·정보검색·경제학 논문에서도 자주 쓰입니다. 특히 두 지표 중 하나라도 낮으면 전체 점수를 크게 낮추는 성질 때문에, 두 지표를 동시에 잘 만족해야 의미 있는 상황(정밀도와 재현율의 균형 등)을 평가하는 표준적인 방법으로 자리 잡았습니다.

논문에서는 이렇게 쓰입니다

"분류 모델의 성능을 평가하기 위해 정밀도와 재현율의 조화평균인 F1 점수를 산출하였다."

이 문장은 정밀도(precision)와 재현율(recall) 두 지표를 단순히 더해 2로 나누지 않고, 조화평균을 사용해 둘 중 하나라도 낮으면 전체 점수가 크게 낮아지도록 계산했다는 뜻입니다.

"여러 자산의 평균 주가수익비율(PER)을 산출할 때 산술평균 대신 조화평균을 사용하여 이상치의 영향을 줄였다."

주가수익비율처럼 비율로 표현되는 지표를 여러 자산에 걸쳐 평균 낼 때는 조화평균이 극단값의 왜곡을 줄여 더 대표성 있는 값을 준다는 금융 분야의 활용 사례이다.

"네트워크 여러 구간의 평균 데이터 전송 속도를 계산하기 위해 각 구간 속도의 조화평균을 사용하였다."

속도처럼 시간당 처리량으로 정의되는 값을 구간별로 평균 낼 때도 조화평균을 써야 실제 평균 처리 성능을 정확히 반영할 수 있다는 것을 보여준다.

조금 더 깊게 보면

조화평균, 기하평균, 산술평균 사이에는 항상 조화평균 ≤ 기하평균 ≤ 산술평균의 대소 관계가 성립하며, 이는 코시-슈바르츠 부등식과 관련된 일반적인 수학적 성질입니다. 머신러닝 평가지표에서 F1 점수 외에도 정밀도와 재현율의 가중치를 다르게 둔 Fβ 점수처럼 조화평균을 변형한 지표들이 쓰이며, 실험에서는 어떤 평균을 사용했는지, 왜 그 평균이 해당 지표의 성질에 적합한지를 함께 밝히는 것이 일반적입니다.

주의할 점

조화평균은 산술평균이나 기하평균보다 항상 작거나 같은 값을 가지며, 데이터에 0이나 음수가 섞여 있으면 계산 자체가 불가능하거나 무의미해집니다. 또한 극단적으로 작은 값이 하나만 있어도 전체 조화평균이 크게 끌어내려지므로, 단순히 대푯값이 필요할 때 무조건 조화평균을 쓰기보다는 데이터의 성격(속도, 비율, 비의 평균인지 여부)을 먼저 확인해야 합니다.