AUC-ROC 커브

 

AUC - ROC Curve? : AUC-ROC 곡선은 다양한 임곗값에서 모델의 분류 성능에 대한 측정 그래프임

TPR = TP/P

TP= 진짜 1인데 1로 잘 예측, P=1로 예측한 개수,

1에 가까울수록좋아요

민감도, 그래프의 y 축

tqr = np.array([원점 , tpr, 끝점])

 

FPR = FP/N

FP = 진짜 0인데 1이라고 잘못 예측한 개수 N = 진짜 0의 개수

0에 가까울수록좋아요

1-specificity 오경보확률, 그래프의 x축

fpr = np.array([원점, fpr, 끝점])

 

from sklearn.metrics import auc

auc(fpr, tqr) # roc, auc의 면적

 

auc가 1에 가까울수록 클래스를 구별하는 모델의 성능이 훌륭함, 최솟값은 0.5(모델의 클래스 구분 능력 전혀 없음)

 

auc=1(매우 잘 구분)

대표사진 삭제

사진 설명을 입력하세요.

auc=0.7

 

auc=0.5(하나도 구분하지 못함)

 

강의자료

https://drive.google.com/file/d/1_hCATIaB3JCf-XXIc4pqPapMyYTgmVPQ/view?usp=sharing

0119Confusion Matrix & Roc AUC Score.ipynb