정의
ROC
- 분류 문제에서 성능 평가에서 사용
- 0.5 ~ 1 사이의 값을 갖음
- FPR을 x축, TPR을 y축으로 놓은 그래프
- FPR(False Positive Rate)
- (1을 맞추는 문제) 실제는 0중 1로 예측한 비율
- 1 - 특이도
- 특이도
- (1을 맞추는 문제) 실제 0중 0으로 예측한 비율
- TN / N
- 특이도
- TPR(True Positive Rate)
- (1을 맞추는 문제) 실제 1중 1로 예측한 비율
- TP / P
- recall과 동일한 의미
- 민감도라고 부름
- FPR(False Positive Rate)
AUC
- 임의의 커브에 대한 면적을 의미
- ROC AUC => ROC 그래프의 아래 면적을 의미
ROC AUC의 성능 비교
- 면적이 더 큰 것이 좋은 성능
- 아래 그림의 경우 B가 더 좋은 성능
'데이터 분석' 카테고리의 다른 글
정밀도와 재현율 (0) | 2021.05.07 |
---|---|
log를 이용한 정규분포 변환(python) (0) | 2020.07.23 |
스피어만 상관계수(python) (0) | 2020.07.23 |
distplot를 이용한 정규분포 확인(python) (0) | 2020.07.23 |
지수와 로그 (0) | 2020.05.26 |