다른 용어에 익숙합니다. 당신이 정밀도라고 부르는 것은 긍정적 예측 가치 (PPV)입니다. 그리고 당신이 부르는 것은 감도 (Sens)라고 부릅니다. :
http://en.wikipedia.org/wiki/Receiver_operating_characteristic
민감도 (호출)의 경우 분모가 0이면 (Amro가 지적한대로) 긍정적 인 경우가 없으므로 분류는 의미가 없습니다. TP 또는 FN이 0이되는 것을 멈추지 않습니다. 1 또는 0의 제한 감도가 발생합니다.이 점은 각각 ROC 곡선의 오른쪽 위와 왼쪽 아래에 있습니다 (TPR = 1 및 TPR = 0). )
PPV의 한계는 의미가 있습니다. 모든 경우가 음성으로 예측 될 수 있도록 테스트 컷오프를 너무 높게 (또는 낮게) 설정할 수 있습니다. 이것이 ROC 곡선의 원점입니다. 컷오프가 원점에 도달하기 직전에 PPV의 제한 값은 원점 직전에 ROC 곡선의 최종 세그먼트를 고려하여 추정 할 수 있습니다. (이것은 ROC 곡선이 노이즈로 악명이 높기 때문에 모델링하는 것이 좋습니다.)
예를 들어 100 개의 실제 포지티브와 100 개의 실제 네거티브가 있고 ROC 곡선의 최종 세그먼트가 TPR = 0.08, FPR = 0.02에서 접근하면 제한 PPV는 PPR ~ 0.08 * 100 / (0.08 * 100 + 0.02 * 100입니다. ) = 8/10 = 0.8, 즉 진정한 양성일 확률의 80 %.
실제로 각 샘플은 ROC 곡선의 세그먼트로 표시됩니다 (실제 음수의 경우 수평, 실제 양수의 경우 수직). 원점 이전의 마지막 세그먼트에 의해 제한 PPV를 추정 할 수 있지만, 마지막 샘플이 참 양성인지 거짓 양성 (실제 음성)인지에 따라 1, 0 또는 0.5의 추정 PPV를 제공합니다. TP와 FP가 동일합니다. 데이터가 양이 정상이라고 가정하면 모델링 방식이 더 나을 것입니다. 일반적인 가정은 다음과 같습니다.
http://mdm.sagepub.com/content/8/3/197.short