Receiver Operating Characteristic Curve (ROC Curve)

Receiver Operating Characteristic Curve (ROC Curve)

• FPR: 실제 값이 Negative인 애 중에서 False Positive인 비율
• TPR: 실제 값이 Positive인 애 중에서 True Positive인 비율

: x축이 FPR, y축이 TPR인 곡선

• FPR(False Positive Rate): $\frac{FP}{FP+TN}$ = 1-TNR = $1-\frac{TN}{FP+TN}$
  - 실제 값이 Negative인 애들 중에서 내가 False Positive로 예측한 비율
  • 즉 Negative인 것들 중에서 Positive로 잘못 분류된 Negative 샘플의 비율
• TPR(True Positive Rate): $\frac{TP}{TP+FN}$
  - 실제 값이 Positive인 애들 중에서 내가 실제로 True Positive로 예측한 비율
  - Recall의 다른 이름
• TNR: $\frac{TN}{FP+TN}$
  - Negative로 분류한 애들 중에서 True Negative로 예측한 비율
  • 특이도 라고도 한다.

따라서 ROC curve는 Recall (민감도)에 대한 1-특이도 그래프이다.

• ROC curve에서도 Tradeoff가 있다.

• TPR이 높을 수록 FPR이 늘어나므로, 안 좋은 것.

• 좋은 분류기는 위에 보이는 y=x 형태의 점선에서 최대한 멀리 떨어져 있어야 한다.

이때 AUC(곡선 아래의 면적)을 측정할 때 1에 가까울 수록 좋은 것.

랜덤 분류기는 Positive/Negative를 랜덤으로 선택하기 때문에 0.5의 AUC 값이 나온다.