Top-N Acc/Error

Top-N Accuracy / Top-N Error 정리

Top-N Accuracy

정의: 모델이 예측한 상위 N개의 클래스 안에 정답이 포함되어 있으면 정답으로 계산하는 정확도.

수식
$\text{Top-N Accuracy}=\frac{\text{정답이 Top-N 안에 포함된 샘플 수}}{\text{전체 샘플 수}}$

설명

• Top-1 accuracy: 가장 높은 확률로 예측한 1개가 정답인지 확인
• Top-5 accuracy: 예측한 상위 5개 후보 안에 정답이 포함되면 정답 처리

필요 이유
클래스 수가 매우 많을 때(예: ImageNet 1000-class) 단일 후보만 보는 것은 너무 엄격하므로, 상위 후보군에 정답이 있는지를 보는 것이 모델의 표현력을 더 잘 반영한다.

---

Top-N Error

정의
Top-N accuracy의 반대 개념.
상위 N개 예측에 정답이 없을 때 오류로 계산한다.

수식
$\text{Top-N Error}=1-\text{Top-N Accuracy}$

설명

• Top-1 error: 모델의 1등 예측이 틀린 비율
• Top-5 error: 상위 5개 예측 안에 정답이 없었던 비율

---

예시

샘플	모델 예측 상위 5개	정답	판단
A	cat, dog, fox, tiger, rabbit	dog	Top-1: 틀림 / Top-5: 맞음
B	airplane, car, ship, bus, bike	bird	Top-1: 틀림 / Top-5: 틀림
C	frog, lizard, snake, turtle, fish	frog	Top-1: 맞음 / Top-5: 맞음

계산

• Top-1 accuracy = 1/3
• Top-1 error = 2/3
• Top-5 accuracy = 2/3
• Top-5 error = 1/3

---

요약

• Top-N accuracy
  모델이 예측한 상위 N개 안에 정답이 있으면 맞음

• Top-N error
  상위 N개 안에 정답이 없으면 틀림
  즉 $1-\text{Top-N Accuracy}$

• ImageNet 평가에서는 관례적으로 Top-1 error와 Top-5 error를 사용함.