ROC curve(receiver operating characteristic)

개념

• ROC curve는 어떤 예측의 판단결과(binary classifier)의 performance를 보여주는 그래프
• TPR(Ture Positive Rate) or sensitivity를 y 축으로, FPR(False Positive Rate) or 1-specificity를 x 축으로 표시(TPR과 FPR은 trade-off 관계)

TPR = y축 = sensitivity = TP/(TP+FN)
FPR = x축 = 1-specificity = 1-[TN/(TN+FP)]

AUC(Area Under the Curve)

• ROC curve의 아래 면적
• AUC가 1에 가까우면 sensitivity와 specificity가 모두 높은 것으므로 좋은 분류 모델
• AUC가 0.5 이하이면 랜덤한 선택과 유사 또는 더 낮은 성능