꿈라CBTROC 곡선과 AUC에 대한 설명으로 가장 적절하지 않은 것은?
- 1ROC 곡선은 임계값을 변화시키며 얻은 (1-특이도, 민감도) 쌍을 이은 것이므로, AUC는 특정 임계값에 의존하지 않는 지표이다.
- 2AUC는 무작위로 뽑은 양성 사례의 예측 점수가 무작위로 뽑은 음성 사례의 점수보다 높을 확률로 해석할 수 있다.
- 3양성 비율이 매우 낮은 불균형 데이터에서는 ROC 곡선이 실제보다 낙관적으로 보일 수 있어, 정밀도-재현율 곡선을 함께 확인하는 것이 권장된다.
- 4AUC가 0.3으로 0.5보다 작게 나왔다면 모형에 판별력이 전혀 없다는 뜻이므로, 예측 결과를 반대로 뒤집더라도 성능은 개선되지 않는다.