본 논문은 분류 성능 평가에서 중요한 지표인 정밀도와 재현율 간의 절충안을 제시하는 F-점수($F_\beta$)의 의미와 한계를 분석하고, 개선된 랭킹 방법을 제안합니다. 정밀도와 재현율은 서로 상반되는 경향이 있어, 이를 균형 있게 고려하는 단일 랭킹을 얻는 것이 중요합니다. 기존 F-점수가 널리 사용되지만, 랭킹의 의미와 최적화에 대한 보장이 부족하다는 점을 지적합니다. 이에 따라, $F_\beta$ 기반 랭킹의 의미를 명확히 하고, 정밀도-재현율 간의 최적 절충안을 찾기 위한 방법론을 제시합니다. 특히, 켄달 순위 상관관계를 활용한 최적화 문제를 통해 $F_1$ 점수의 비효율성을 보이고, 최적의 $\beta$ 값을 계산하기 위한 이론적 도구와 공식, 그리고 사례 연구를 제공합니다.
