레벨: 초보자
Karen Copeland, Boulder Statistics 소유자
Tarek Zikry, SAS 기술 인턴
Mia Stephens, SAS JMP 학술 홍보대사
이분형 분류 모델(좋음 대 나쁨, 부정 대 긍정, 예 대 아니오 등)의 경우, ROC 곡선과 관련 곡선 아래 면적(AUC)은 모델이 두 집단을 구별하는 능력을 나타내는 데 자주 사용됩니다. 이는 시작에 불과하지만, ROC 곡선은 이해하기 어려울 수 있으며, AUC는 모델링 문제의 맥락을 벗어나면 오해의 소지가 있습니다. 일부 모델의 경우 전체 오분류율이 핵심이며, 다른 모델의 경우 오분류와 관련된 비용이 발생합니다. 이 비용은 위음성(false negative)과 위양성(false positive)에 따라 매우 다를 수 있습니다. 예측을 위한 이분형 모델과 관련 ROC 곡선, 리프트 곡선, 그리고 모델 성능의 다양한 표시 방식에 대해 논의합니다. 또한, 분류를 위한 최적 임계값을 선택하는 방법과 지정된 임계값을 기반으로 한 성능 측정값에 대해서도 논의합니다. 분류 모델에 대한 최적 임계값 선택 및 성능 지표 계산을 용이하게 하기 위해, 대화형 그래픽 JMP 애플리케이션을 개발했습니다. 설득력 있는 사례 연구를 통해 이 애플리케이션을 시연해 보겠습니다.
