ROC curve
receiver operating characteristic curve
receiver operating characteristic curve
기계학습,machine_learning에서
분류모형,classification_model 이진분류기,binary_classifier ..들이 하는
이진분류,binary_classification의 성능을 나타내는 곡선.
분류모형,classification_model 이진분류기,binary_classifier ..들이 하는
이진분류,binary_classification의 성능을 나타내는 곡선.
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.
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.
┌ 에 가까울수록 정확, /에 가까울수록 무의미.
일반적으로 predictive model의 곡선은 그 사이에 있음.
/는 random model.
// from wpen
TPR
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.
{
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 Kwak slide 1
rel.
혼동행렬,confusion_matrix
민감도,sensitivity = 참양성율,true_positive_rate,TPR : 실제 양성, 검사에서 양성으로 판정 : TP,
{
TP / (TP + FN)
혼동행렬,confusion_matrix
민감도,sensitivity = 참양성율,true_positive_rate,TPR : 실제 양성, 검사에서 양성으로 판정 : TP,
{
TP / (TP + FN)
민감도와_특이도
Sensitivity_and_specificity
}
특이도,specificity = 참음성율,true_negative_rate,TNR : 실제 음성, 검사에서 음성으로 판정 : TN,
{
Sensitivity_and_specificity
}
특이도,specificity = 참음성율,true_negative_rate,TNR : 실제 음성, 검사에서 음성으로 판정 : TN,
{
TN / (FP + TN)
AUC - area under the curve ¶
// 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 separation
1.0에 가까울수록 model의 분리(즉 분류) 성능이 좋은것임.
0.0과 1.0 사이의 수.
이진분류,binary_classification 모형의
negative class에서 positive class를 분리(separate)해내는 능력/성능을 표현해 줌. // 분리,separation separation
1.0에 가까울수록 model의 분리(즉 분류) 성능이 좋은것임.
// Kwak, Slide 1, p78
AUC 면적에 따른 분류기의 performance:
AUC 면적에 따른 분류기의 performance:
- An area of 1 represents a perfect test
- An area of 0.5 represents a worthless test
- 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
Misc ¶
ROC의 다른 뜻: region of convergence
{
region_of_convergence convergence_region
라플라스_변환,Laplace_transform등에서..
mklink: 수렴,convergence 수렴구간,convergence_interval 영역,region? s평면,s-plane
tmp bmks ko: https://m.blog.naver.com/tlsrka649/221545791753
... Region.of.Convergence
}
{
region_of_convergence convergence_region
라플라스_변환,Laplace_transform등에서..
mklink: 수렴,convergence 수렴구간,convergence_interval 영역,region? s평면,s-plane
tmp bmks ko: https://m.blog.naver.com/tlsrka649/221545791753
... Region.of.Convergence
}
Twins:
수신자_조작_특성
Receiver_operating_characteristic
https://developers.google.com/machine-learning/glossary?hl=ko#roc-receiver-operating-characteristic-curve
수신자_조작_특성
Receiver_operating_characteristic
https://developers.google.com/machine-learning/glossary?hl=ko#roc-receiver-operating-characteristic-curve
Bmks ko:
https://developers.google.com/machine-learning/crash-course/classification/roc-and-auc?hl=ko (기계번역)
https://developers.google.com/machine-learning/crash-course/classification/roc-and-auc?hl=ko (기계번역)