统计学中ROC曲线的认识
ROC曲线标识了为了达到某个TPR(识别率),伴随而来的该分类器的FPR(误判率)是多少,体现了这两者的关系。
与ROC曲线类似的还有一个上升图,表示为了达到相应的识别率,需要投入的成本是多少(这个成本可以是样本数量)。
ROC 曲线的横坐标表示 一个负的实例被当作正实例的概率(FPR),纵坐标表示一个正的实例被当作正的实例的概率(TPR)。
当把所有的实例都分类成正的以后,TPR为100%,FPR也是100%,这解释了为什么ROC曲线必然过点(100%,100%)。
同理,如果把所有的实例都判为负类,那么,TPR为0,FPR也为0,所以曲线过原点。
ROC曲线的生成:可以通过将实例依照 肯定的(Positive)的概率从大到小排序,然后挨个分类,根据分类结果和真实结果从原点出发调整ROC曲线的前进方向完成绘制。
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步