AUC (Area Under the ROC Curve)해석

 

 

 

AUC (Area Under the ROC Curve)해석

·         ROC 그래프의 밑부분 면적

·         1로 예측하는 기준을 쉽게 잡으면 민감도는 높아집니다↑.

·         모든 경우를 1이라고 하므로 특이도가 낮아집니다↓.

·         두 값이 모두 1에 가까워야 의미가 있습니다.

·         ROC 곡선을 그릴 때 특이도를 X축, 민감도를 Y축에 놓습니다.

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

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

·         AUC가 0.5일 때 두 값의 합이 항상 1입니다.

·         AUC 값은 전체적인 민감도와 특이도의 상관 관계를 보여줍니다.

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

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

 

 

 

TPR	·         True Positive Rate ·         민감도 ≒ true accept rate ·         1인 케이스에 대해 1로 예측한 비율 ·         암 환자를 진찰해서 암이라고 진단함
FPR	·         False Positive Rate ·         특이도 ≒ false accept rate ·         1-특이도 ·         0인 케이스에 대해 1로 잘못 예측한 비율 ·         암 환자가 아닌데 암이라고 진단함
AUC	·         Area Under the ROC Curve ·         ROC 커브의 밑면적을 구한 값이 바로 AUC. 이 값이 1에 가까울수록 성능이 좋