ROC곡선,ROC_curve

ROC curve
receiver operating characteristic curve


QQQ 혹시 이진 말고 다른 분류에서는?

분류 모델의 예측 성능을 보여주는 그래프.
x축 범위와 y축 범위 모두 0에서 1까지임.
ROC 곡선 아래 면적을 AUC라 함.

(대충. 나중에 rewrite)
┌ 에 가까울수록 정확, ／에 가까울수록 무의미.
일반적으로 predictive model의 곡선은 그 사이에 있음.
／는 random model.

// from wpen
TPR

// from https://m.blog.naver.com/sw4r/221015817276
{
ROC curve의
x축은 거짓양성율,false_positive_rate,FPR이고,
y축은 참양성율,true_positive_rate,TPR이다.
그리는 법 설명 있음. threshold를 변화시켜가며 그림.
threshold의 보이는 번역들은... { 절단값, }
}

// from https://zephyrus1111.tistory.com/424
{
민감도와 특이도(그냥 특이도 말고 1-특이도)를 계산하여 2d plane에 그림.
}

// from Kwak slide 1
https://i.imgur.com/IU9cbln.png


rel.
혼동행렬,confusion_matrix
민감도,sensitivity = 참양성율,true_positive_rate,TPR : 실제 양성, 검사에서 양성으로 판정 : TP,
{
TP / (TP + FN)

syn.
참양성율,true_positive_rate,TPR,
재현율,recall과 동의어? 항상? chk


TN / (FP + TN)



[edit]

AUC - area under the curve

AUC - pagename?
{
ROC곡선,ROC_curve과 밀접.
ROC 곡선 아래 면적을 AUC라 한다.

// from google glossary
0.0과 1.0 사이의 수.
이진분류,binary_classification 모형의
negative class에서 positive class를 분리(separate)해내는 능력/성능을 표현해 줌. // 분리,separation Srch:separation
1.0에 가까울수록 model의 분리(즉 분류) 성능이 좋은것임.

// Kwak, Slide 1, p78
AUC 면적에 따른 분류기의 performance:
  • An area of 1 represents a perfect test
  • An area of 0.5 represents a worthless test
A rough guide for classification performance:
  • 0.9-1.0: excellent
  • 0.8-0.9: good
  • 0.7-0.8: fair
  • 0.6-0.7: poor
  • 0.5-0.6: fail
https://i.imgur.com/fV4GDWS.png

https://i.imgur.com/Tzm43Ud.png




[edit]

Misc