2.9.3 ROC 곡선

ROC 곡선도 분류 모델을 평가하는 중요한 기준이다. ROC 곡선은 위양성률(False Positive Rate, FPR)을 x축에 놓고 진양성률(True Positive Rate, TPR)을 y축에 그린 차트다. TPR과 FPR은 다음 공식으로 계산한다.

ROC 곡선으로 모델 성능을 평가하는 척도는 AUC(Area Under the Curve)다. 모델의 AUC가 크다면 클래스 분류 정확도가 높다는 뜻이며, AUC가 낮다면 모델 정확도가 나쁘고 예측이 자주 빗나간다는 의미다. 곡선이 차트의 대각선에 가까운 모델은 사실상 무작위로 분류하는 것보다 나을 게 없다. 그림 2-19는 이 예시들을 차트로 그린 것이다.

▲ 그림 2-19 ROC 곡선 예