항원성 (Antigenicity) 1. 개요 항원성(Antigenicity)이란 특정 물질이 항체(Antibody)나 T세포 수용체(T-cell receptor)와 특이적으로 결합할 수 있는 능력을 의미한다. 이는 면역 체계가 외부 침입자나 비정상적인 세포를 인식하고 구별하는 핵심 기전이며, 면역 반응의 시작점이 된다. 흔히 면역원성(Immunogenici…
검색 결과
"Specificity"에 대한 검색 결과 (총 9개)
의학 검사 (Medical Test) 1. 개요 의학 검사는 환자의 신체 상태, 생리적 기능, 병리적 변화를 객관적으로 측정하여 질병의 유무를 진단하고, 치료 방향을 결정하며, 치료 후의 경과를 관찰하기 위해 시행하는 모든 과학적 분석 절차를 의미한다. 현대 의학에서 검사는 주관적인 문진과 신체 진찰의 한계를 보완하여, 근거 중심 의학(Evidence-Ba…
위양성율 (False Positive Rate) 위양성율(False Positive Rate, 약자 FPR)은 이진 분류(Binary Classification) 문제에서 실제 음성(Negative)인 샘플 중 모델이 양성(Positive)으로 잘못 예측한 비율을 의미합니다. 즉, "사건이 발생하지 않았음에도 불구하고 사건이 발생했다고 판단하는 오류"의 빈…
PCR (중합효소 연쇄 반응) 1. 개요 PCR(Polymerase Chain Reaction, 중합효소 연쇄 반응)은 특정 [[DNA]] 서열을 단시간 내에 수백만 배로 증폭시켜 분석 가능하게 만드는 분자생물학적 기술이다. 1983년 캐리 멀리스(Kary Mullis)에 의해 개발되었으며, 아주 적은 양의 유전 물질만으로도 충분한 양의 [[DNA]]를 얻…
ROC Curve (Receiver Operating Characteristic Curve) 개요 ROC 곡선(Receiver Operating Characteristic Curve)은 이진 분류(Binary Classification) 모델의 성능을 평가하고 시각화하는 데 널리 사용되는 그래프입니다. 주로 의료 진단, 스팸 필터링, 신용 점수 평가 등 확…
부정 클래스 개요 머신러닝, 특히 분류(Classification) 작업에서 "부정 클래스(Negative Class)"는 특정 관심 있는 사건(또는 객체)이 발생하지 않았음을 나타내는 범주를 의미합니다. 이는 "양성 클래스(Positive Class)"와 대조되는 개념으로, 이진 분류(Binary Classification)에서 가장 흔히 사용됩니다. 예…
거짓 음성 개요 거짓 음성(False Negative, FN)은 분류 모델의 예측 결과와 실제 정답 사이의 불일치를 나타내는 중요한 평가 지표 중 하나로, 특히 이진 분류(binary classification) 문제에서 핵심적인 개념입니다. 거짓 음성은 실제 긍정 클래스(Positive)에 속하는 사례를 모델이 부정 클래스(Negative)로 잘못 예측했…
TN 개요 TN(True Negative, 참 음성)은 통계학 및 기계학습에서 분류 모델의 성능을 평가하는 데 사용되는 혼동 행렬(Confusion Matrix)의 네 가지 기본 요소 중 하나입니다. TN은 모델이 '음성 클래스(Negative class)'로 올바르게 예측한 사례의 수를 나타냅니다. 즉, 실제 정답이 음성(Negative)이고, 모델의 예…
예측 분석 개요 예측 분석(Predictive Analytics)은 과거 데이터를 기반으로 미래의 사건이나 트렌드를 예측하는 데이터과학의 하위 분야입니다. 이는 통계학, 머신러닝, 인공지능(AI) 기술을 결합하여 패턴을 식별하고, 이를 바탕으로 예측 모델을 구축합니다. 예측 분석은 비즈니스 의사결정 지원, 리스크 관리, 고객 행동 예측 등 다양한 산업에서 …