Precision, Recall, F1-score, AUC 중 어떤 지표를 어떤 상황에서 사용해야 하는지 설명해주세요.

네 지표는 분류 모델 평가에서 자주 쓰이는데, 어떤 오류가 더 비용이 큰가에 따라 선택이 달라집니다. Precision은 양성으로 예측한 것 중 실제 양성 비율이라 오탐이 비쌀 때 중요합니다. 스팸 필터에서 정상 메일을 스팸으로 잡으면 안 되는 상황이 대표적입니다. Recall은 실제 양성 중 잡아낸 비율이라 미탐이 더 비쌀 때 씁니다. 암 진단이나 이상 거래 탐지처럼 놓치는 게 더 위험한 경우입니다.

F1-score는 Precision과 Recall 간의 균형이 필요할 때 씁니다. 둘 다 중요한데 하나의 수치로 요약하고 싶을 때 유용합니다. AUC는 임계값에 상관없이 모델의 분별력 자체를 보는 지표라, 임계값 결정 전 모델 비교에 적합합니다. 프로젝트에서 이상 탐지 모델을 만들 때 AUC로 모델을 선택하고, 이후 운영 임계값은 Recall을 기준으로 조정했습니다. 같은 AUC라도 Recall이 높으면 탐지율이 높고, 그게 이 케이스에서는 더 중요했습니다. Precision과 Recall은 한쪽을 올리면 다른 쪽이 내려가는 관계라 상황에 맞는 균형점을 잡는 게 핵심입니다.