데이터 과학을 위한 통계: 데이터 분석에서 머신러닝까지 50가지 핵심 개념

225

5

장

분류

+

=

∑∑

ᰍ⩥ᮉ

ₙ᧲ᖒ ÑḴᮭᖒ

ₙ᧲ᖒ

마지막 하나는

특이도

로서, 이는 음성 결과를 정확히 예측하는 능력을 측정한다.

+

=

∑∑

✚ᯕࠥ

ₙᮭᖒ ÑḴ᧲ᖒ

ₙᮭᖒ

이들을 코드로 표현하면 다음과 같다.

# 정밀도(precision)

conf_mat[1,1]/sum(conf_mat[,1])

# 재현율(recall)

conf_mat[1,1]/sum(conf_mat[1,])

# 특이도(specificity)

conf_mat[2,2]/sum(conf_mat[2,])

5.4.4

ROC

곡선

앞에서 다룬 내용에서 눈치챘겠지만 재현율과 특이도 사이에는 트레이드오프 관계 (시소 관계 )

가 있다.

1

을 잘 잡아낸다는 것은 그만큼

0

을

1

로 잘못 예측할 가능성도 높아지는 것을 의미한

다. 이상적인 분류기란,

0

을

1

이라고 잘못 분류하지 않으면서 동시에

1

을 정말 잘 분류하는 분

류기를 의미할 것이다.

이러한 트레이드오프 관계를 표현하기 위한 지표가 바로 ‘수신자 조작 특성

receiver

operating

characteristic

’ 곡선, 보통은 줄여서

ROC

곡선

이다.

ROC

곡선은

x

축의 특이도에 대한

y

축의 재현

율(민감도)을 표시한다.

6

ROC

곡선은 레코드를 분류할 때 사용하는 컷오프 값을 바꿀 때 재

현율과 특이도 사이의 트레이드오프 관계를 잘 보여준다. ...