Sensitivity, specificity, ROC curve 개념 정리

SENSITIVITY and SPECIFICITY

 

 

 

 

• Sensitivity (민감도)

        #질병있는 사람을 얼마나 잘 찾는지. 환자를 환자로 평가

• Sensitivity : True Positive Rate (TPR) = a / (a + b)

• Specificity (특이도)

          #정상을 얼마나 잘 찾는지 평가. 정상을 정상으로 평가

• Specificity : True Negative Rate(TNR) = d / (c + d)

 

• Precision (정밀도)

• #Positive로 예측한 샘플들 중 실제로  Positive인 비율_질병이 있다고 예측한 사람등 중 실제로 아픈 사람이 어느 정도인지 평가

• Precision: a / (a + c)

 

• Accuracy (정확도)

• Accuracy: (a+d)/(a+b+c+d)

임상에서 민감도/특이도 모두 0.8에서 0.9 정도는 되어야 사용할 수 있음 

 

 

---

 

ROC curve :Receiver Operating Characteristic (ROC)

 

ROC 곡선은 Binary Classifier System (이진 분류 시스템)에 대한 성능 평가 기법

ROC 곡선의 x와 y는 예측 결과가 Positive한 것에 관한 것임. 

 

• ROC curve의 X 축 _ (#진짜정상인을 환자로 평가)

• False Positive Rate = c / (c + d)

• X축은 False Positive Rate을 나타냄

 

• ROC curve의 Y 축 _ (#진짜환자를 환자로 잘 평가)

• True Positive Rate = a / (a + b)

• Y축은 True Positive Rate을 나타냄

  ROC curve의 의미

•  

Red 곡선은 랜덤으로 예측한 것이고, 곡선이 굽어질수록 AUC가 넓어져 1로 수렴하므로 더 정확한 모델임.

 

• ROC curve 그리기 

• 인터넷 참조.....