패턴 인식 문제에서는

인식기의 성능을 precision(정확도)과 recall(검출율)을 구분하여 측정한다.

recall은 대상을 얼마나 빠뜨리지 않는지, precision은 검출된 결과가 얼마나 정확한지 이다.

투표 분류기는 두가지 기능을 한다.

1. 무효표를 미분류표로 구분하는 역할

2. 각 후보에게 맞는 표를 보내는것이다.

여기서 쉽게 1번만 생각해보자.

1번 기능에서 recall은 전체 표의 무효표에서 미분류표로 가는 확률

precision는 미분류표에서 진짜 무효표의 확률이다.

대략 보니 precision은 1/10정도이다.

그렇다면 recall은 어떨까?

(참고로 말하자면 recall와 precision은 trade-off 관계이다. )

정확한 값은 없지만, precision이 낮은 걸 보면 매우 높을 것이다.

정상적인 투표 분류기 설계의 목적은 precision을 희생하더라도,

recall을 최대치로 올리는게 될 것이다.

왜냐하면 미분류표에 진짜 무효표가 아니더라도, 사람이 재분류하면 될것이기 때문이다.

다시 말해서 미분류표에서 실제 무효표가 적은건,

전혀 문제가 될것이 없다.

오히려 공학적으로 보면 지극히 합리적인 결정이다.