机器学习-查漏补缺知识点(一)—— ROC曲线
1.ROC曲线是什么?
ROC 曲线是英文“receiver operating characteristic curve”的简称,对应的中文含义是“受试者工作特征曲线”。简单讲就是对不同的阈值形成混淆矩阵,从而连点成线。
2.举例说明
N 为真实的负类样本数量,P 表示真实的正类样本数量。
有10个物品,其中4个是次品,6个是正品。有一个质检员,对物品进行检测,检测出来了三个次品,但是这个三个次品中有一个是正品。也就是说P=4,N=6。
FP=1,FPR=FP/N=1/6
TP=2,TPR=TP/P=2/4
因此ROC的图像中,坐标点(1/6, 2/4),随着分类阈值的截断点不同,那么所对应的点不同,ROC成为一条曲线。
3.ROC是干什么的?
用于评估不同二分类性能的。如何评估呢?用AUG评估。
4.AUG是什么?怎么评估?
( Area Under Curve)曲线下面积,就是AUG是ROC曲线下面积的总和。通常AUG的取值范围在0.3-1之间,AUG越大表明分类器性能越好。
本文来自博客园,作者:许个未来—,转载请注明原文链接:https://www.cnblogs.com/future-panda/p/16813318.html