무료 ROC 곡선 생성기

ROC 곡선이란 무엇인가요?

ROC 곡선(수신자 조작 특성 곡선)은 분류기의 참 양성률(민감도)을 거짓 양성률(1 − 특이도)에 대해 모든 결정 임계값에 걸쳐 표시하는 그래프로, 두 클래스를 얼마나 잘 분리하는지 보여 줍니다. 이 ROC 곡선 생성기는 텍스트 설명을 깔끔하고 라벨이 달린 그림으로 바꿔 줍니다. 모델이나 진단 검사, AUC, 임계값이나 신뢰 구간을 설명하면 AI가 축 제목, ROC 곡선, 대각 무작위선, 선택형 주석을 갖춘 비율이 잘 맞는 그림을 만들어 줍니다. 스프레드시트나 코딩은 전혀 필요 없습니다.

ROC 곡선 생성기를 사용하는 이유

• ROC 곡선은 머신러닝, 통계, 의학에서 모든 임계값에 걸친 분류기와 진단 검사의 성능을 요약하고 비교하는 표준적인 방법입니다.
• R, Python, scikit-learn으로 출판 수준의 ROC 그림을 만들려면 분석에서 주의를 빼앗는 서식 작업이 필요합니다.
• 민감도, 특이도, AUC를 배우는 학생들은 라벨이 명확한 ROC 곡선을 보면 훨씬 더 잘 이해합니다.
• 강사와 연구자는 슬라이드, 실험 보고서, 논문에 쓸 보기 좋은 ROC와 AUC 그림을 빠르게 만들어야 합니다.
• 모델, 임계값, 신뢰 구간을 바꿔 다시 생성하는 것이 플롯 코드를 일일이 수정하는 것보다 훨씬 빠릅니다.

ROC 곡선 만드는 법

분류기나 진단 검사와 그 AUC를 설명하고, 축을 지정하세요. x축에는 거짓 양성률(1 − 특이도), y축에는 참 양성률(민감도)이 들어갑니다. 그런 다음 필요한 요소를 추가합니다. 점선 대각 무작위선, 각 AUC를 나열한 범례가 있는 여러 모델, 최적 임계값 지점, 음영 처리된 95% 신뢰 구간 등을 지정할 수 있습니다. ROC 곡선을 생성한 뒤 축, AUC, 곡선 형태를 확인하고 모호한 부분이 있으면 설명을 다듬으세요.

ROC 곡선의 구성 요소

• x축 — 거짓 양성률(1 − 특이도), 즉 음성을 양성으로 잘못 표시한 비율.
• y축 — 참 양성률(민감도), 즉 양성을 올바르게 식별한 비율.
• ROC 곡선 — 모든 결정 임계값에 걸쳐 민감도를 거짓 양성률에 대해 추적하는 선.
• 대각 무작위선 — 판별력이 전혀 없는 무작위 분류기(AUC = 0.5)를 나타내는 점선 45° 선.
• AUC 값 — ROC 곡선 아래 면적으로, 전체 성능을 요약하는 0.5에서 1.0 사이의 단일 수치.
• 최적 임계값/작동점 — 선택된 민감도-특이도 절충점을 표시하는, 곡선 위의 강조된 점.