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.

어려움 10문제 약 8분 합격 기준 80%

모드 선택

게스트로 플레이 중이에요. 로그인하면 XP와 연속 기록이 저장돼요.

예시 문제

10문제 중 1번

ROC 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.