ROC曲线与AUC指标理解
ROC曲线,也称受试者工作特征曲线,感受性曲线。用于研究X对于Y的预测准确率情况。
ROC曲线涉及的几个术语名词:
指标:
ROC曲线最初是运用在军事上,当前在医学领域使用非常广泛,因此指标称“阴性”,“阳性”。
名词 | 说明 |
---|---|
特异性 | 阴性人群中,检测出阴性的几率。也称真阴性率。 |
误报率 | 阴性人群中,检测为阳率的几率。也称假阳性率。(1 – 特异性) |
敏感度 | 阳性人群中,检测出阳性的几率。也称真阳性率。 |
假阴性率 | 阳性人群中,检测为阴性的几率,也称假阴性率。 |
ROC曲线意义:
ROC曲线的绘制是对所有测试样本的“误报率”以及“敏感度”绘制曲线。取不同阈值时对每个样本计算的的 “误报率”(假阳)作为X轴坐标,“敏感度”(真阳)作为Y轴坐标。
名词 | 说明 |
---|---|
ROC曲线 | 以1-特异性(即误报率)为X轴,敏感度为Y轴,绘制的曲线。 |
AUC | ROC曲线下的面积,表示预测准确率。越大越好。 |
因为样本的“误报率”(假阳)越小越好,“敏感度”(真阳)越大越好,即X坐标越小越好,Y坐标越大越好,因此绘制的ROC曲线越靠近象限左上角越好。
AUC指标是ROC曲线下的面积。
ROC曲线越靠近左上角,对应的曲线下面积就越大,因此AUC越大,预测效果越好。
AUC是评价二分类模型优劣的一种常用指标。
(分类阈值:分类标准,如阈值=0.5时,大于0.5为正例,小于0.5时为负例)
值 | 评价 |
---|---|
AUC = 1 | 完美分类器,采用这个预测模型时,不管设定什么阈值都能完全预测正确。绝大多数预测的场合,不存在完美分类器。 |
0.5 < AUC < 1 | 优于随机猜测。这个分类器(模型)妥善设定阈值的话,能有预测价值。 |
AUC = 0.5 | 相当于随机猜测(抛硬币),模型没有预测价值。 |
AUC < 0.5 | 比随机猜测还差;但只要总是反预测而行,就优于随机猜测,因此不存在AUC < 0.5的情况 |
机器学习中的ROC曲线
机器学习中的ROC曲线与AUC指标理解与实现
ROC曲线与AUC指标理解相关推荐
- 机器学习算法 03 —— 逻辑回归算法(精确率和召回率、ROC曲线和AUC指标、过采样和欠采样)
文章目录 系列文章 逻辑回归 1 逻辑回归介绍 1.1 逻辑回归原理 输入 激活函数 1.2 损失以及优化 2 逻辑回归API介绍 3 案例:肿瘤良性恶性预测 4 分类模型的评估 4.1 分类评估方法 ...
- 机器学习(16)ROC曲线与AUC指标(癌症分类的模型检测--AUC指标)
目录 一.基础理论 0.引言 1.TPR与FPR 1.TPR(召回率) 2.FPR 2.ROC曲线 3.AUC指标 二.癌症分类的模型检测(AUC指标) 1.正反例转1.0 2.计算AUC指标 总代码 ...
- 神经网络常见评价指标超详细介绍(ROC曲线、AUC指标、AUROC)
目录 一.基本概念 二.ROC曲线 三.AUROC(AUC指标) 四.实例介绍 4.1 公式实现 4.2 代码实现 一.基本概念 真阳性(TP):判断为真,实际也为真: 伪阳性(FP):判断为真,实际 ...
- 深度剖析ROC曲线以及AUC指标
首先,我们要知道,ROC描绘的是一条曲线,而AUC则是ROC曲线下的面积,是一个数值. 接下来,在正式讲解之前,我们先来看一个例子: 假设测试样本集的数量为1k个,其中A类样本有950个,B类样本有5 ...
- ROC曲线与AUC指标
ROC曲线 ROC曲线的动机 对于0,1两类分类问题,一些分类器得到的结果往往不是0,1这样的标签,如神经网络,得到诸如0.5,0.8这样的分类结果.这时,我们人为取一个阈值,比如0.4,那么小于0. ...
- ROC曲线和AUC指标
5.1 ROC 曲线¶ ROC 曲线:我们分别考虑正负样本的情况: 正样本中被预测为正样本的概率,即:TPR (True Positive Rate) 负样本中被预测为正样本的概率,即:FPR (Fa ...
- ROC曲线,AUC面积
AUC(Area under Curve):Roc曲线下的面积,介于0.1和1之间.Auc作为数值可以直观的评价分类器的好坏,值越大越好. 首先AUC值是一个概率值,当你随机挑选一个正样本以及负样本, ...
- 准确率、精确率、召回率、F1-score、TPR、FPR、ROC曲线、AUC
1.分类评估方法 1.1精确率与召回率 1.3.分类评估报告api sklearn.metrics.classification_report(y_true, y_pred, labels=[], t ...
- 「机器学习速成」分类,评估指标(TP、FP、TN、FN),ROC曲线和AUC
https://www.toutiao.com/a6706449645901464078/ 2019-06-25 20:49:47 大家好,今天我们学习[机器学习速成]之 分类,评估指标(TP.FP. ...
最新文章
- 2.4-虚拟磁盘恢复虚拟机
- 8086汇编学习小记-王爽汇编语言实验12
- 单链表倒数第K个节点的查找和显示
- 添加github ssh 公钥
- java 01入门 取数字_jmu-Java-01入门-取数字
- Android开发学习——Android Studio配置SVN
- .NET6之MiniAPI(十二):引入EntityFramewor
- 泰坦尼克号生存预测入门
- H5小游戏 - canvas涂鸦板
- 通过QMP/QGA与虚拟机进行交互
- MyBatis3源码解析(4)参数解析
- python 求 gamma 分布_python如何生成各种随机分布图
- stm32 Keil编译后查看代码/内存占用空间,Flash/RAM占用大小,Code-Data,RO-Data,RW-Data,ZI-Data是什么含义
- 可以让你少奋斗十年的工作经验(转)
- 【数据库】SQL语句大全
- gamit如何添加新的天线类型
- 在云服务器上(Windows)手动搭建FTP站点
- python setup.py build develop_python setup.py build develop编译出错
- uni-app 获取手机设备各项信息
- 8脚51单片机DIY时间显示+闹钟技术分享(一)