달력

4

« 2020/4 »

  • 5
  • 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
  •  
  •  

 

 

ROC 커브(Receiver Operating Characteristic Curve)

·         ROC 곡선 ROC 커브  향상도 곡선

·         민감도(Sensitivity) 특이도(Specivicity) 알아보는데 주로 사용됩니다.

·         민감도(TRP) 특이도(FPR) 각각 X, Y축으로 놓은 그래프의 곡선입니다.

·         식별 모델의 성능 평가 방법입니다.

·         민감도와 특이도는 서로 반비례 적인 관계

·         개의 범주를 가지고 있는 분류 모형의 성능을 평가하기 위해 쓰는 그래프입니다.

·         민감도와 특이도의 여러 상황을 고려해서 성능을 판단할 있도록 한눈에 보여주는 그래프

·         기준값을 달리할 TP Rate FP Rate 어떻게 달라지는지 그래프로 표시한 것입니다.

·         X, Y 둘다 0~1 사이의 범위를 가집니다.

·         X, Y [0, 1] 범위이고 (0, 0)에서 (1, 1) 잇는 곡선

 

x

(1-특이도)

y

(민감도)

설명

1

1

·         x, y축가 모두 1 경우는 모두 True 분류한 경우이며

0

0

·         x축과 y축의 값이 모두 0 경우는 모두 False 분류한 경우입니다.

0

1

·         이상적으로 완벽히 분류한 모형의 경우 x축은 0, y축은 1 값을 보여 AUC 1 도출됩니다.

·         모형의 AUC 1 가까울수록 좋은 모형으로 평가됩니다. , 왼쪽 꼭지점에 커브가 가까울수록 좋은 성능을 가지는 모형입니다.

 

 







Posted by codedragon codedragon

댓글을 달아 주세요