ROC curve(receiver operating characteristic)

* ROC Curve

ROC curve는 어떤 검사의 판단결과(binary classifier)의 performance를 보여주는 그래프로,

TPR(true positive rate) or sensitivity, 을 y 축으로

FPR(false positive rate) or 1-specificity 을 x 축으로 가진다.

즉, TRP = y축 = sensitivity = (TP / (TP + FN)

FPR = x 축 = 1-specificity = 1 - [ TN / (TN + FP)]

할 수 있다.

 

 

TRP과 FPR은 trade-off관계를 가지고

이 관계에서 가장 좋은 cut-off지점을 찾는다. 

즉, TRP과 FPR이 이정도가 되면 가장 합리적인 point를 정하고 이 정도 수준에서 binary classifier의 성능을 고정 시키는듯 하다.. (확실치는 않음..) 

classifier의 합리성을 나타내는 지표로 AUC(Area Under the Curve) 인데 roc curve의 아래 면적을 의미한다. 

auc가 높으면(1에 가까우면)  물론 sensitivity 와 specificity 가 모두 높은 것이니 좋은 classification이라 할 수 있다.

auc가 0.5 아래로 떨어지면 performance가 아주 안좋은것으로 classification이 쓸모 없는것이라 할 수 있다

 

 

 

사진 출처 : wikipedia  http://en.wikipedia.org/wiki/Receiver_operating_characteristic