- 정오행렬 기반 평가지표
- False Rejection Rate (FRR) : FP/(FP+TN)
- 원래는 정상이나 이상치 탐지 모델에 의해 이상치로 잘못 판별된(rejected) 비율
- False Acceptance Rate (FAR) : FN/(TP+FN)
- 원래는 이상치라서 탐지가 되어야 하나 모델에 의해 탐지가 되지 못하고 정상으로 판별된(accepted) 비율
- 위의 방법은 cut-off value에 따라서 dependent하는 지표임
- 이상치 탐지 방법론 자체의 정합성을 평가할 때는 cut-off 에 영향을 받지 않는 성능 평가 지표가 필요함
- AUROC와 Integrated Error 둘 중 하나를 사용하면 됨
- cut-off value를 달리하면서, x축은 FRR, y축은 FAR을 도시한 그래프
- Integrated Error (FRR-FAR 그래프 밑면의 넓이 = 1-AUROC)
- Equal Error Rate (EER) : FRR과 FAR이 같아지는 지점
- 해당 넓이를 통해 분류기의 탐지 성능 자체를 평가할 수 있고, 현업에서는 cut-off value를 조정/정의하기 위한 자료로 활용 가능할 것 같다.
[참조] 강필성 교수님의 https://fastcampus.co.kr/data_academy_kps1 강의 자료를 참조했습니다.
반응형
'Machine Learning > Algorithm' 카테고리의 다른 글
Anomaly detection - AutoEncoder 활용 (1) | 2022.07.05 |
---|---|
Anomaly detection - 밀도 기반 이상치 탐지 (Gauss, MoG, Parzen window) (0) | 2022.07.05 |
Anomaly detection - PCA, Autoencoder, GAN (0) | 2022.07.04 |
Anomaly detection - 1-SVM, SVDD (0) | 2022.07.02 |
Anomaly detection - Local Outlier Factor (LOF) (0) | 2022.06.28 |