Skip to main content

ROC 커브

분류 모델의 성능을 진짜 양성 비율과 거짓 양성 비율로 나타내는 그래프입니다.

설명​

ROC 커브는 이진 분류 모델의 성능을 시각화하는 그래프로, 임계값을 조절하여 정확도와 재현율 간의 트레이드오프를 보여줍니다.

그래프 구성:

  • Y축: 참양성률(TPR, 민감도) - 실제 양성 중 정확히 예측한 비율
  • X축: 거짓양성률(FPR, 1-특이도) - 실제 음성 중 잘못 예측한 비율

해석:

  • 곡선이 좌측 위로 향할수록 분류가 더 정확합니다
  • 대각선(45도선)은 무작위 분류기의 성능을 나타냅니다

AUC (Area Under Curve):

  • ROC 커브 아래의 면적을 의미합니다
  • 0.5~1.0 사이의 값을 가집니다
  • 1.0에 가까울수록 분류가 정확합니다
  • 0.5는 무작위 분류와 동일한 성능입니다

포트 구성​

입력 포트​

  • 데이터셋: 모델 평가가 완료된 데이터셋 (예측값과 실제값 포함)

출력 포트​

없음 (ROC 커브 그래프를 시각적으로 표시)

사용 방법​

  1. ROC 커브 노드를 캔버스에 추가합니다
  2. 모델 평가 노드의 출력 데이터셋을 연결합니다
  3. 노드를 실행하면 ROC 커브 그래프가 표시됩니다
  4. AUC 값을 확인하여 모델 성능을 평가합니다

예제​

ROC 커브 예제

주의사항​

이진 분류 전용

ROC 커브는 이진 분류 모델에만 사용할 수 있습니다. 다중 클래스 분류의 경우 각 클래스별로 ROC 커브를 그려야 합니다.