AUROC 를 알기위해선 ROC (Receiver Operating Characteristic) curve 가 무엇인지 알아야한다.
ROC curve: $x$ 축이 FPR (False Positive Rate), $y$ 축이 TPR (Talse Positive Rate) 으로 이루어져 있으며 모든 threshold 에 대한 모델의 성능을 보여주는 그래프
AUROC: ROC curve 밑 부분의 넓이를 구하는데 높을수록 모델의 성능이 좋음 (↑)
Specificity (특이도): $\frac{TN}{FP+TN}$
Precision (정밀도): $\frac{TP}{TP+FP}$
Recall (재현율) = Sensitivity (민감도): $\frac{TP}{TP+FN}$
Accuracy (정확도): $\frac{TP+TN}{TP+FN+FP+TN}$
'AI > Metrics' 카테고리의 다른 글
FID (Frechet Inception Distance) (0) | 2023.10.20 |
---|---|
LPIPS (Learned Perceptual Image Patch Similarity) (0) | 2023.04.10 |
SSIM (Structural Similarity Index Map) (0) | 2023.04.10 |
PSNR (Peak Signal-to-Noise Ratio) (0) | 2023.04.10 |