- 실행기
-
학습
Python 배우기 실행 가능한 예제, NumPy, pandas 등 AI / 머신러닝 배우기신경망, 머신러닝, LLM을 처음부터 C/C++ 배우기 포인터, 메모리, STL, 모던 C++ C# 배우기C# 기초, OOP, LINQ, async 및 .NET 연습 Matplotlib 배우기선, 막대, 산점도, 원 그래프를 시각화 도구와 함께 Rust 배우기소유권, 트레이트, 오류 처리, 스레드 Go 배우기슬라이스, 인터페이스, 고루틴, 채널 Python 알고리즘 검색, 정렬, 재귀와 시각화 도구 O(n) C/C++ 알고리즘 C와 C++ 구현 비교 어린이 코딩 놀면서 코딩을 배워요!
- 퀴즈NEW
- 문제NEW
- 교사용NEW
- 업데이트
- 커피 한 잔 사 주기
AI & Machine Learning 퀴즈: ROC 곡선과 AUC
이 어려운 퀴즈는 'AUC가 높을수록 좋다'에서 한 걸음 더 나아갑니다. TPR, FPR, AUC를 직접 계산하고, AUC를 순위 확률로 해석하며, AUC가 왜 보정(calibration)을 무시하고 심하게 불균형한 데이터에서 모델을 실제보다 좋아 보이게 할 수 있는지 살펴봅니다.
예시 문제
10문제 중 1번ROC 곡선은 무엇을 그릴까요?
정답 보기
B. 임곗값이 바뀔 때의 거짓 양성률에 대한 참 양성률 임곗값 하나가 (FPR, TPR) 점 하나를 만들며, x축은 FPR, y축은 TPR(재현율)입니다. 임곗값을 쭉 바꿔 가면 곡선이 그려집니다. 재현율에 대한 정밀도는 PR 곡선입니다.
이 퀴즈에서 다루는 내용
- 모든 임곗값에 걸친 TPR과 FPR
- 무작위 양성이 무작위 음성보다 높은 순위를 받을 확률로서의 AUC
- 몇 개의 점수로 AUC 계산하기
- 단조 변환, 보정, 0.5보다 낮은 AUC
- 정밀도-재현율 곡선이 더 나은 선택인 경우
자주 묻는 질문
계정이 필요한가요?
아니요. 누구나 플레이할 수 있어요. 로그인하면 XP, 연속 기록, 배지, 기록이 저장돼요.
다시 풀 수 있나요?
네. 최고 점수가 저장되고, 문제와 보기는 매번 섞여서 나와요.