달력

6

« 2020/6 »

  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  •  
  •  
  •  
  •  

 

 

 

AUC (Area Under the ROC Curve)해석

·         ROC 그래프의 밑부분 면적

·         1 예측하는 기준을 쉽게 잡으면 민감도는 높아집니다↑.

·         모든 경우를 1이라고 하므로 특이도가 낮아집니다↓.

·         값이 모두 1 가까워야 의미가 있습니다.

·         ROC 곡선을 그릴 특이도를 X, 민감도를 Y축에 놓습니다.

·         x=0, y=1 이면 가장 최고의 성능을 나타내는 모형입니다.

·         우측 아래로 갈수록 특이도의 감소↓ 속도와 민감도의 증가↑를 확인할 있습니다.

·         AUC 0.5 값의 합이 항상 1입니다.

·         AUC 값은 전체적인 민감도와 특이도의 상관 관계를 보여줍니다.

·         ROC 커브의 면적이 1 가까울 수록(왼쪽 꼭짓점에 다가갈수록) 좋은 성능을 가집니다.

·         보통 1-특이도로 계산하기 때문에 민감도(TPR) 높고↑, 1-특이도(FPR) 낮을 수록↓ 좋은 모델입니다.

 

 

 

TPR

·         True Positive Rate

·         민감도 true accept rate

·         1 케이스에 대해 1 예측한 비율

·         환자를 진찰해서 암이라고 진단함

 

FPR

·         False Positive Rate

·         특이도 false accept rate

·         1-특이도

·         0 케이스에 대해 1 잘못 예측한 비율

·         환자가 아닌데 암이라고 진단함

AUC

·         Area Under the ROC Curve

·         ROC 커브의 밑면적을 구한 값이 바로 AUC. 값이 1 가까울수록 성능이

 

 

 


 


Posted by codedragon codedragon

댓글을 달아 주세요