TROC curve and accuracy measures
Chong Sun Hong, Su Jin Lee · Journal of the Korean Data and Information Science Society · 2018
ROC 곡선은 성과를 바탕으로 분류자를 시각화하여 정확도를 평가할 수 있는 유용한 방법이지만, 두 집단의 표본크기가 반영되지 않으므로 표본크기의 불균형정도가 심한 경우에 분류자의 성과를 평가하는데 문제점이 발생한다. 이러한 단점을 보완하기 위해 TOC 곡선이 제안되었다. TOC 곡선은 평행사변형으로 구현되므로 분류자의 성능을 비교하고 설명하기가 쉽지 않다. 본 연구에서는 ROC 곡선의 유용성을 유지하면서 표본의 불균형정도까지도 표현 가능하며, TOC 곡선의 단점을 극복하는 TROC 곡선을 제안한다. TROC 곡선을 이용하면 분류결과에 대한 정보를 간단하고 쉽게 파악할 수 있는 장점이 있다. 그리고 ROC 곡선과 유사하게 TROC 곡선에서 다양한 정확도 측도들을 설명하며, TOC 곡선보다 우수하게 표현할 수 있다. 모의실험과 실증 자료를 통해 TROC 곡선은 불균형한 자료를 시각화하고 ROC와 TOC 곡선보다 많은 정보를 간편하고 쉽게 설명할 수 있음을 토론한다.