반응형 AUC2 ROC_AUC_Score / Accuracy / F1 Score의 차이와 선택 기준 안녕하세요, roc_auc_score / accuracy / f1_score의 차이와 선택 기준에 대하여 알아보겠습니다. roc_auc_score, accuracy, f1_score는 모두 모델의 성능을 평가하는 지표지만,평가하는 관점과 사용하는 상황이 다릅니다. 1. ROC_AUC_Score (Receiver Operating Characteristic - Area Under the Curve) ROC AUC는 이진 분류 모델에서 주로 사용되는 성능 지표로, 모델의 분류 성능을 종합적으로 평가합니다. ROC 곡선: 모델의 **참 양성 비율 (True Positive Rate, TPR)**과 **거짓 양성 비율 (False Positive Rate, FPR)**을 각각 y축과 x축에 나타낸 그래프입니다.. 2024. 11. 16. roc_curve와 roc_auc_score는 각각 언제 사용할까? 안녕하세요, 오늘은 모델 성능평가와 관련하여 roc_curve와 roc_auc_score의 차이에 대하여 알아보겠습니다. roc_curve와 roc_auc_score는 둘 다 분류 모델의 성능을 평가하는 데 사용되지만, 서로 다른 정보를 제공합니다. 이 둘의 사용처와 역할을 비교하면 다음과 같습니다. 1. roc_curve정의: roc_curve는 다양한 분류 임곗값(threshold)에 대해 **True Positive Rate (TPR, 재현율)**와 **False Positive Rate (FPR)**를 계산하여 ROC (Receiver Operating Characteristic) 곡선을 생성하는 함수입니다. 사용처:모델의 성능을 시각적으로 평가하고 싶을 때 유용합니다.임곗값에 따라 TPR과 F.. 2024. 10. 31. 이전 1 다음 반응형
