auc(area under the curve)1 ROC 곡선과 AUC 값을 통해 테스트 성능 이해하기 진단 테스트는 질병을 진단할 때 얼마나 정확한 결과를 제공하는지가 매우 중요합니다. 특히 임상에서 널리 사용되는 ROC(Receiver Operating Characteristic, 수신자 조작 특성) 곡선은 테스트의 민감도와 특이도 사이의 균형을 시각적으로 보여주기 때문에 유용합니다. 오늘은 ROC 곡선과 이를 기반으로 한 AUC(Area Under the Curve) 값을 통해 진단 테스트의 성능을 평가하는 방법을 알아보겠습니다.진단 테스트의 기본 개념우선, 진단 테스트 결과는 네 가지 주요 범위로 나눌 수 있습니다. 이를 통해 테스트의 민감도와 특이도를 계산하게 되며, ROC 곡선을 그리기 위한 기본 데이터를 확보할 수 있습니다. 진양성(True Positive, TP)= 실제로 질병이 있는 사람을.. 2024. 10. 16. 이전 1 다음 728x90 반응형
