레벨: 초심자
Karen Copeland, 소유주, Boulder Statistics
Tarek Zikry, 기술 인턴, SAS
Mia Stephens, JMP 아카데믹 앰배서더, SAS
이분법적 분류 모델(양호 대 불량, 음성 대 양성, 예 대 아니오 등)의 경우 ROC 곡선 및 관련 AUC(Area Under the Curve)는 모델이 두 그룹을 구별하는 능력을 설명하는 데 종종 사용됩니다. 이것은 시작 단계이지만 ROC 곡선은 이해하기 어려울 수 있으며 AUC는 모델링 문제의 맥락 밖에서 오해의 소지가 있을 수 있습니다. 일부 모델의 경우 전체 오분류율이 핵심입니다. 다른 모델의 경우 오분류와 관련된 비용이 있습니다. 이 비용은 위음성과 위양성에 대해 매우 다를 수 있습니다. 예측을 위한 이분형 모델과 관련 ROC 곡선, 리프트 곡선 및 모델 성능의 대체 표시에 대해 논의할 것입니다. 또한 분류를 위한 최적의 컷오프를 선택하는 방법과 지정된 컷오프를 기반으로 성능 측정에 대해 설명합니다. 분류 모델에 대한 최적의 컷오프 선택과 성능 메트릭 계산을 용이하게 하기 위해 대화형 그래픽 JMP 응용 프로그램을 개발했습니다. 매력적인 사례 연구를 통해 이 애플리케이션을 시연할 것입니다.
