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)

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

  1. 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 ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  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. ...

  6. 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 ...

  7. 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, ...

  8. 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 ...

  9. 「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

  1. 2.4-虚拟磁盘恢复虚拟机
  2. 8086汇编学习小记-王爽汇编语言实验12
  3. 单链表倒数第K个节点的查找和显示
  4. 添加github ssh 公钥
  5. java 01入门 取数字_jmu-Java-01入门-取数字
  6. Android开发学习——Android Studio配置SVN
  7. .NET6之MiniAPI(十二):引入EntityFramewor
  8. 泰坦尼克号生存预测入门
  9. H5小游戏 - canvas涂鸦板
  10. 通过QMP/QGA与虚拟机进行交互
  11. MyBatis3源码解析(4)参数解析
  12. python 求 gamma 分布_python如何生成各种随机分布图
  13. 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
  14. 可以让你少奋斗十年的工作经验(转)
  15. 【数据库】SQL语句大全
  16. gamit如何添加新的天线类型
  17. 在云服务器上(Windows)手动搭建FTP站点
  18. python setup.py build develop_python setup.py build develop编译出错
  19. uni-app 获取手机设备各项信息
  20. 8脚51单片机DIY时间显示+闹钟技术分享(一)

热门文章

  1. #maven的面试题
  2. docker需要linux内核版本,docker与宿主机内核版本
  3. 组件 —— 子组件向父组件传值
  4. C++Socket接口编程
  5. STM32之VCAP引脚问题
  6. BGP路由器协议排错教程:IBGP
  7. Java 实现复制图片
  8. 什么工程项目管理软件好用?
  9. 2022年常问redis面试题
  10. 退出登录时清空session中的数据