Accuracy(정확도) vs. Precision(정밀도)

이 두 용어의 차이를 정확히 알고 말하지 않는 경우가 생각보다 많다.
사실 말하다보면 앞뒤 문맥으로 알 수는 있지만... 주의하자.

Machine Learning의 classification에서의 accuracy와 precision은 조금 차이가 있으니 주의할 것.

• Precision(정밀도)이 높은 측정 장비가 좋은 장비이다.
• Accuracy(정확도)는 precision이 높다면 보정 을 통해 향상시킬 수 있다.
  하지만 정밀도가 꽝이라면 대략 GG다.

정확도 (Accuracy)

• accuracy를 떨어뜨리는 주요 요인: systematic error (계통오차) -> bias! 
• 측정치가 참 값에 가까운 정도 ( 참값과의 차이를 bias라고도 부름).
• 기기가 잘못 교정된 경우, 측정환경의 간섭, 관측오차 등에 의해 발생.

---

정밀도 (Precision, random error, 우연오차, 무작위오차)

• precision을 떨어뜨리는 주요 요인: random error (random error는 sampling error 및 thermal noise 등으로 구성됨.)
• 반복관측치간의 차이로 재현성(reproducibility) 또는 일관성(consistency) 을 반영
• 많은 측정 자체에 열잡음 등으로 인한 통계적인 random noise로 인한 에러를 피할 수 없다.
• 방사선 계측의 경우, 방사성붕괴나 방사선과 물질의 상호작용이 통계적 현상으로 이 경우 random error가 발생한다.

---

예: 방사선 계측에서 정확한 측정을 위해서

• -> 에너지 판별 및 중차폐 등을 통한 background noise를 최소화,
• -> 충분히 긴 계측시간 을 가질 것.
• -> 기하학적 효율을 늘리는 등의 계측효율 증가시킬 것.

---

같이 보면 좋은 자료들

ML에서의 precision과 accuracy: https://dsaint31.me/mkdocs_site/ML/ch02/ml_cls_metrics/#precision

BME

random error란 (sampling error라고도 불림)?

2025.09.16 - [.../Math] - sampling error vs. sampling bias

sampling error vs. sampling bias

---