auc計算方法總結(jié)

面試的時候回答的不清楚,學(xué)習(xí)&總結(jié)如下。
參考link

1.ROC曲線

對于二值分類器,評價指標(biāo)主要有precision,recall,F(xiàn)-score(綜合考慮precision和recall的調(diào)和值)



ROC曲線上的每個點反映著對同一信號刺激的感受性。橫坐標(biāo)FPR越大,預(yù)測正類中實際上負類越多??v坐標(biāo)TPR越大,預(yù)測正類中實際正類越多。所以最好的情況是(0,1)時。


ROC曲線

【其他知識點】
混淆矩陣


混淆矩陣

2.如何畫roc曲線

對一個特定的分類器和測試數(shù)據(jù)集,只能得到一個分類結(jié)果。需要一組FPR和TPR的值。




簡單來說就是,每個樣本根據(jù)預(yù)測值排好序,然后依次將每個值當(dāng)做閾值,計算該閾值下的FPR和TPR。

3.AUC的計算

AUC(area under curve)即ROC曲線下的面積。(隨機給定一個正樣本和一個負樣本,分類器輸出該正樣本為正的那個概率值 比 分類器輸出該負樣本為正的那個概率值 要大的可能性)


?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容