ROC 곡선
ROC(Receiver Operating Characteristic) 곡선은 반응 수준을 정렬할 때 모형 적합 확률의 효율도를 표시합니다. ROC 곡선은 범주형 반응에만 사용할 수 있습니다. ROC 곡선에 대한 소개는 ROC 곡선의 기본 분석에서 확인하십시오.
파티션 모형의 각 관측값에 대한 예측 반응은 0과 1 사이의 값입니다. 예측 반응을 사용하여 관측값을 양수 또는 음수로 분류하려면 절단점이 사용됩니다. 예를 들어 절단점이 0.5인 경우 예측 반응이 0.5 이상인 관측값은 양수로 분류되고 0.5 미만인 관측값은 음수로 분류됩니다. 절단점이 달라지면 분류가 절충됩니다.
ROC 곡선을 생성하기 위해 각 예측 반응 수준을 가능한 절단점으로 간주하고 가능한 각 절단점에 대해 다음 값이 계산됩니다.
• 민감도는 참 양성 비율 또는 예측 반응이 절단점보다 큰 양수 관측값의 비율입니다.
• 특이도는 참 음성 비율 또는 예측 반응이 절단점보다 작은 음수 관측값의 비율입니다.
ROC 곡선은 민감도 대 1-특이도를 표시합니다. N개의 분할이 있는 파티션 모형에는 n+1개의 예측값이 있습니다. 파티션 모형의 ROC 곡선에는 n+1개의 선분이 있습니다.
반응 수준이 세 개 이상인 경우 분할 보고서에는 각 반응 수준 대 다른 수준에 대한 개별 ROC 곡선이 포함됩니다. 각 곡선은 수준을 양수 반응 수준으로 표현한 것입니다. 수준이 두 개뿐인 경우 한 곡선은 다른 곡선을 반영합니다.
그림 4.9 수준이 세 개인 반응의 ROC 곡선
모형이 반응 값의 순위를 완벽하게 지정하면 정렬된 데이터에 먼저 모든 양의 값이 포함된 후 다른 모든 값이 포함됩니다. 이 경우 곡선은 오른쪽으로 이동하기 전에 맨 위로 이동합니다. 모형이 잘 예측하지 못하면 곡선은 그림의 왼쪽 아래에서 오른쪽 위로 대각선을 따릅니다.
실제로 ROC 곡선은 대각선 위에 있습니다. 곡선 아래 면적은 모형의 적합도를 나타내는 표시자입니다. 값이 1이면 완벽한 적합을 나타내고 0.5에 가까우면 모형이 그룹을 구별할 수 없음을 나타냅니다.
반응 수준이 세 개 이상인 경우 ROC 곡선 그림을 통해 곡선 아래 면적이 가장 큰 반응 범주를 확인할 수 있습니다.