ch.3.5 ROC Curve와 AUC

ROC 곡선과 AUC

 

• ROC 곡선 (Receiver Operation Characteristic Curve)과 이에 기반한 AUC 스코어는 이진 분류의 예측 성능 측정에서 중요하게 사용되는 지표입니다 일반적으로 의학 분야에서 많이 사용되지만, 머신러닝의 이진 분류 모델의 예측 성능을 판단하는 중요한 평가 지표이기도 합니다.
• ROC 곡선은 FPR(False Positive Rate) 이 변할 때 TPR(True Positive Rate) 이 어떻게 변하는지를 나타내는 곡선입니다. FPR을 X 죽으로, TPR을 Y 죽으로 잡으면 FPR의 변화에 따른 TPR의 변화가 곡선 형태로 나타납니다.
• 분류의 성능 지표로 사용되는 것은 ROC 곡선 면적에 기반한 AUC 값으로 결정합니다. AUC(Area Under Curve) 값은 ROC 곡선 밑의 면적을 구한 것으로서 일반적으로 1 에 가까울수록 좋은 수치입니다

ROC 곡선

 

 

 

사이킷런 ROC 곡선 및 AUC 스코어

 

• 사이 킷런은 임겟값에 따른 ROC 곡선 데이터를 roe_curve( ）로, AUC 스코어를 roc_auc_score( ) 함수로 제공