필자가 연구하는 의료영상 분야 및 많은 공학 연구분야에서 머신러닝이나 딥러닝분야가 크게 떠오르면서 기반이되는 확률에 대한 이해가 매우 중요해졌다. 그래서 확률에 대해 공부한 내용을 정리할겸 글을 써보려고 한다. 쉽게 쉽게 쓰고 필요한 부분만 언급하고 싶지만 개념은 가벼우면서도 넓게 이해하는 것이 중요하므로 꼭 한번은 알아야 할 부분은 언급하고 넘어가겠다. (이 글의 상당부분은 Henry Stark과 John W. Woods의 Probability, Statistics, and Random Processes for Engineers 책을 기반으로 하고 있다.) 1. 확률이란? 우리가 확률을 사용하는 이유는 무엇인까? 확률은 우리가 많은 상황에서 모든 것을 정확하게 계산하는 것이 불가능하기 때문에 사용하는 ..
안녕하세요. 동글연구자입니다. 앞선 글에서 ROC곡선에 대한 기본개념을 알아보았습니다. 아직 ROC곡선에 대한 기본개념을 잘 모르시는 분이라면 아래 글을 보고 이 글을 읽는 것을 추천드립니다. ROC 곡선(ROC curve) - (1) 기본개념 이번 글에서는 ROC곡선을 이용하여 서로 다른 결정인자간의 비교 방법과 이익(utilities or benefits)이 주어졌을 때 어떻게 최적의 결정인자를 찾은 방법에 대해서 알아보겠습니다. 1. ROC곡선을 이용해 결정인자 역량의 비교 가장 이상적인 결정인자는 무엇일까? 그것은 두 분포를 완벽히 분리해내는 결정인자이다. 코로나19 바이어스를 다시 예로 들면 이상적인 진단방법이 개발되어 진단율 100퍼센트로 양성과 음성을 가려낼 수 있다고 가정해보자. 새로운 진..
이번 글에서는 진단 역량을 평가하기 위한 이진분류법을 기반으로 만들어지는 ROC 곡선(Receiver operating characteristic curve)에 대해서 알아보고자 한다. ROC 곡선은 아래와 같이 FPF(False Positive Rate)와 TPF(True Positive Rate)로 그려지는 그래프를 말한다. ROC곡선은 의학 분야에서 진단의 목적으로도 많이 사용될 뿐만 아니라 머신러닝(Machine Learning)에서 개발된 알고리즘의 성능 평가의 목적으로도 흔히 사용되는 지표이므로 이에 대해 높은 이해도를 가진다면 연구에 큰 도움이 될 것이다. 1. ROC 곡선의 필요성 우리는 평가를 할때 항상 정량적인 수치로 유동적인 처방을 내릴 수 있으면 좋겠지만 대개는 양성/음성, 참/거짓..
