Supreme Note

ROC 곡선

3 min read

ROC 곡선

ROC 곡선(Receiver Operating Characteristic Curve)은 이진 분류 모델의 성능을 분류 임계값을 바꿔가며 측정해 시각화한 그래프다. x축은 거짓 양성률(FPR), y축은 *참 양성률(TPR, 재현율)*을 나타내며, 곡선 아래 면적(AUC)이 모델 성능의 요약 지표로 쓰인다.

구성 요소

지표정의축
TPR (민감도/재현율)TP / (TP + FN)y
FPR (1 - 특이도)FP / (FP + TN)x

이 값들은 혼동 행렬에서 도출된다.

곡선의 해석

  • **좌상단(0,1)**에 가까울수록 좋은 모델 — 민감도 높고 오탐률 낮음
  • 대각선은 무작위 예측 수준 (AUC = 0.5)
  • 우하단은 반대로 동작하는 모델 (반전하면 쓸 만함)
  • 곡선이 계단처럼 꺾이는 것은 이산적 임계값에서 자연스러운 현상

AUC (Area Under Curve)

  • 1.0: 완벽한 분류
  • 0.9 이상: 매우 우수
  • 0.8 ~ 0.9: 양호
  • 0.7 ~ 0.8: 보통
  • 0.5: 무작위 수준

AUC는 임계값에 독립적이라 임계값 선택이 아직 안 된 단계에서 모델 비교에 특히 유용하다.

언제 ROC가 적합한가

  • 양성/음성 클래스가 비교적 균형을 이룰 때
  • 임계값 조정이 중요한 문제(의료 진단, 사기 탐지 등)

반대로 클래스 불균형이 심하면 PR 곡선(Precision-Recall)이 더 적절하다.

관련 노트

백링크