간단한 용어 정리
False positive(오탐, 거짓 양성)
Binary classification (이진 분류)에서 negative(음성. 보통 0)를 positive(보통 1)로 잘못 판정하는 오류.
즉, 오류가 아닌데 오류라고 판정하는 경우.
positive(양성)를 negative(음성)로 판정하는 것은 False Negative (거짓음성) 오류.
False positive(오탐)는 검사나 테스트 결과가 실제로는 그렇지 않은데도 불구하고 양성(positive)으로 나타나는 경우를 의미합니다.
False positive(오탐)의 사례
예를 들어,
환자가 암 검진을 받았는데, 실제로는 암이 없는 상태에서 검사 결과가 양성으로 나오거나,
정상적인 네트워크 활동을 해킹 시도로 잘못 인식하여 경고를 발생시키는 경우.
소프트웨어 테스트 중 실제로는 오류가 없는 코드 부분에서 오류가 있다고 잘못 보고되는 경우.
정상적인 거래를 사기 거래로 잘못 인식하여 경고를 발생시키는 경우.
정상적인 이메일을 스팸으로 잘못 분류하여 스팸 폴더로 이동시키는 경우 등이 있습니다.
즉, IT관련 영역에서는 오류가 없는 코드나 시스템이 오류가 있는 것으로 보고되는 경우를 말합니다.
False positive(오탐) 의 원인
보통 테스트의 민감도가 너무 높은 경우, 잘못된 데이터나 부정확한 정보로 인해 오류가 발생하는 데이터 오류, 사용되는 알고리즘이 완벽하지 않아 잘못된 결과를 생성하는 알고리즘의 한계 등이 있습니다.
False positive(오탐)으로 인해 발생하는 문제
이러한 현상은 불필요한 조사와 대응을 해야 하는 자원 낭비, 개발자의 집중력을 떨어뜨리는 효율성 저하, 모델의 신뢰성이 떨어져 잘못된 분류가 빈번해지는 정확도 저하, 정상적인 데이터나 정보를 잘못된 카테고리로 분류하여 무시하게 되는 중요 정보 누락 등이 있습니다.
즉, 각 분야의 신뢰성과 효율성을 저하시킬 수 있습니다.
False positive(오탐) 해결 방법
정확하고 신뢰할 수 있는 데이터를 사용하여 검사의 신뢰성을 높이는 정확한 데이터 관리, 모델의 정밀도를 향상시키기, 여러 모델을 결합하여 예측의 정확도를 높이는 다중 모델 사용, 데이터 레이블링의 정확성을 높이기 등이 있습니다.
댓글