목록FPR (1)

move84

머신러닝:: ROC 곡선과 AUC

머신러닝 모델의 성능을 평가하는 데 중요한 도구 중 하나인 ROC(Receiver Operating Characteristic) 곡선과 AUC(Area Under the Curve)에 대해 알아본다. ROC 곡선은 이진 분류 모델의 성능을 시각적으로 나타내며, AUC는 ROC 곡선 아래 면적으로 모델의 성능을 수치적으로 평가하는 데 사용된다. 이 글에서는 ROC 곡선과 AUC의 개념, 중요성, 그리고 실제 사용 예시를 살펴본다.📈 ROC 곡선 (Receiver Operating Characteristic Curve)ROC 곡선은 이진 분류 모델의 성능을 시각적으로 표현하는 그래프이다. ROC 곡선은 거짓 양성률(False Positive Rate, FPR)을 x축으로, 참 양성률(True Positiv..
머신러닝 2025. 4. 12. 15:15
이전 Prev 1 Next 다음