😏:Roc

ROC^{Receiver Operating Characteristic}곡선은 참 양성 비율(TPR)에 대한 거짓 양성 비율(FPR)곡선입니다.

AUC^{Area Under the Curve}는 ROC곡선 아래 면적을 말합니다.

참 양성비율(TPR)은 양성을 얼마나 정확히 예측하는지 나타내는 지표로, 앞 절에서 살펴본 재현율과 같은 개념입니다. 양성을 음성으로 잘못 판단하면 문제가 되는 경우에 사용한다고 했습니다.

참 음성비율(TNR)은 음성을 얼마나 정확히 예측하는지 나타내는 지표입니다. 특이도라고도 합니다.
거짓 양성비율(FPR)은 1 - 참 음성비율(TNR) 입니다. 즉 1-특이도입니다.

가로축이 거직 양성 비율, 세로축이 참 양성 비율입니다. 가운데 점선은 완전 무작위 분류시 ROC곡선입니다.
어떻게 하면 이진 분류 성능이 가장 나쁠까요? 무작위로 막 분류할 때겠죠. 무작위로 이빈 분류한 결과를 ROC 곡선으로 그리면 가운데 점선과 같이 나타납니다. 즉, ROC 곡선이 가운데 점섬과 가까울 수록 모델 성능이 떨어지며, 위쪽으로 멀어질 수록 성능이 좋은 겁니다.

FPR, TPR 모두 0부터 1사이의 값을 갖습니다. 또한 AUC는 곡선 아래 면적을 의미하기 떄문에 100%완벽하게 분류하면 AUC가 1이고, 완전 무작위로 분류하며 0.5입니다. 다시 말해 모델 성능이 좋을수록 AUC가 큽니다.