데이터 반출 없는 다기관 연합 인공지능 학습 플랫폼

민감도 3

음성예측도: 민감도, 특이도, 유병률로 표현

음성예측도(NPV, Negative Predictive Value)를 민감도($Se$), 특이도($Sp$), 유병률($P$)로 표현하는 베이즈 정리(Bayes' theorem) 기반 공식은 다음과 같습니다.1. 음성예측도 수식$$\text{NPV} = \frac{Sp \times (1 - P)}{(1 - Se) \times P + Sp \times (1 - P)}$$$Se$ (민감도, Sensitivity): 실제 환자 중 검사 결과가 양성으로 나온 비율$Sp$ (특이도, Specificity): 실제 비환자(정상) 중 검사 결과가 음성으로 나온 비율$P$ (유병률, Prevalence): 전체 대상 집단 중 실제 질환을 앓고 있는 환자의 비율$1 - P$: 비환자(정상)의 비율$1 - Se$: 위음성률..

혼동 행렬과 성능 평가 지표

혼동 행렬(Confusion Matrix)진단 장비의 성능을 파악하기 위하여 질병의 유무를 알고 있는 사람들을 대상으로 진단을 수행하고 아래와 같이 혼동 행렬을 작성합니다.A: 진양성(True Positive) 수B: 위양성(False Positive, 1종 오류) 수C: 위음성(False Negative, 2종 오류) 수D: 진음성(True Negative) 수용어의 의미'혼동 행렬'이라는 용어는 그 기능에서 직접 유래했습니다. 이 행렬은 분류 모델이 각 클래스(범주)를 얼마나 '혼동(confuse)'하는지를 한눈에 보여주기 때문입니다.즉, 모델의 예측이 얼마나 헷갈렸는지를 시각적으로 표현한 표입니다.'혼동'의 주체: 모델 (또는 분류기)'혼동'의 내용: 하나의 클래스(실제 값)를 다른 클래스(예측 값..

유방암 양성예측도, 베이지안 추론으로 설명하기

이 글에서는 유방암 진단 결과가 양성으로 나온 경우 실제로 유방암에 걸렸을 확률을 계산하는 식을 유도합니다. 또한 진단을 전후하여 달라지는 확률에 대하여 베이지안 추론 방식으로 설명해 보고자 합니다.문제 정의관심 대상군에 속하는 여성의 1%가 유방암에 걸린다고 알려져 있습니다. 병원을 방문한 어떤 여성의 진단 결과가 양성으로 나왔고 진단에 사용한 장비의 민감도는 90 %, 특이도는 85% 입니다. 그렇다면 그 여성이 실제로 유방암에 걸렸을 확률은 얼마입니까?진단 장비의 성능혼동행렬(Confusion Matrix)진단 장비의 성능을 파악하기 위하여 질병의 유무를 알고 있는 사람들을 대상으로 진단을 수행하고 아래와 같이 혼동행렬을 작성합니다.A: 진양성(True Positive) 수B: 위양성(False P..