데이터과학 삼학년

ROC, AUC 본문

Machine Learning

ROC, AUC

Dan-k 2020. 2. 17. 17:46
반응형

ROC, AUC 는 Classification 문제에서 모델의 평가지표를 통해

어느정도의 threshold를 결정하여 모델을 선택할지 결정하는 하나의 척도로 보면 된다.

 

ROC(Receiver Operating Characteristic)

ROC는 Confusion matrix로 부터 구할 수 있다.

Confusion matrix는 아래 그림과 같다

 

Confusion matrix를 통해 ROC 커브를 구할 수 있다. ROC커브는 튜닝 파라미터의 변화(or Threshold)에 따른 TPR과 FPR의 결과값을 통해 그릴 수 있다.

 

 

AUC(Area Under the (ROC)Curve)

ROC 커브 아래의 면적을 의미하며, 이면적을 최대한 크게하는 모델일수록 좋다

 

아래는 각 경우에 대한 AUC 그림이다

 

 

 

 

 

 

 

 

 

 

 

 

 

출처 : https://towardsdatascience.com/understanding-auc-roc-curve-68b2303cc9c5
 

Understanding AUC - ROC Curve

In Machine Learning, performance measurement is an essential task. So when it comes to a classification problem, we can count on an AUC …

towardsdatascience.com

 

728x90
반응형
LIST

'Machine Learning' 카테고리의 다른 글

Isolation Forest (for anomaly detection)  (0) 2020.04.13
Image classification (Linear, DNN, CNN)  (0) 2020.03.04
Mutual Information_ 클러스터링 평가 척도  (0) 2020.02.14
tf 2.0 - Keras  (0) 2020.02.03
Tensorflow 2.0  (0) 2020.02.03
Comments