ROC 평가 지표의 면적

ROC 지표의 밑면은 모델이 클래스 간의 차이를 얼마나 잘 식별하는지를 측정합니다.

메트릭 세부사항

ROC(Receiving-Operating Characteristic) 영역은 이진 분류 머신러닝 모델의 성능 품질을 측정하는 품질 평가 지표입니다( watsonx.governance ).

범위

ROC 지표의 영역은 기계 학습 모델만을 평가합니다.

  • AI 자산의 유형 : 머신 러닝 모델

  • 머신 러닝 문제 유형 : 이분법적 분류

점수와 가치

ROC 지표 점수 아래의 면적은 모델이 클래스 간의 차이를 얼마나 잘 식별하는지를 나타냅니다. 점수가 높을수록 클래스 식별 성능이 더 우수하다는 것을 의미합니다.

  • 값의 범위 : 0.0-1.0
  • 최상의 점수 : 1.0
  • 차트 값: 시간 범위의 마지막 값

0.5 의 점수는 무작위 추측을 의미하는 반면, 1.0 의 점수는 완벽한 분류를 나타냅니다.

설정

기본 임계값 : 하한 = 80%

평가 프로세스

ROC 지표의 영역은 다양한 임계값에 대한 TPR(True Positive Rate)과 FPR(False Positive Rate)을 그래프로 표시하여 계산됩니다. 각 임계값에 대해, 참 양성, 거짓 양성, 참 음성, 거짓 음성의 클래스를 지정하는 혼동 행렬이 생성됩니다.

TPR과 FPR은 이 클래스로 계산되어 그래프에 표시되어 ROC 곡선을 만듭니다. 이 곡선 아래의 면적은 측정 점수를 산출하기 위해 계산됩니다.