分类性能度量指标 : ROC曲线、AUC值、正确率、召回率、敏感度、特异度
转自 : https://blog.csdn.net/tanzuozhev/article/details/79109311
https://zhuanlan.zhihu.com/p/66885681
- 正确率(Precision):
- 真阳性率(True Positive Rate,TPR),灵敏度(Sensitivity),召回率(Recall):
- 真阴性率(True Negative Rate,TNR),特异度(Specificity):
- 假阴性率(False Negatice Rate,FNR),漏诊率( = 1 - 灵敏度):
- 假阳性率(False Positice Rate,FPR),误诊率( = 1 - 特异度):
- 阳性似然比(Positive Likelihood Ratio (LR+)):
- 阴性似然比(Negative Likelihood Ratio (LR−) ):
- Youden指数(Youden index):
ROC曲线:接收者操作特征曲线(receiver operating characteristic curve),是反映敏感性和特异性连续变量的综合指标,roc曲线上每个点反映着对同一信号刺激的感受性。
对于分类器或者说分类算法,评价指标主要有precision,recall,F1 score等,以及这里要讨论的ROC和AUC。
ROC曲线中:
- 横坐标:1-Specificity,伪正类率(False positive rate, FPR),预测为正但实际为负的样本占所有负例样本 的比例;
- 纵坐标:Sensitivity,真正类率(True positive rate, TPR),预测为正且实际为正的样本占所有正例样本 的比例。
AUC值的计算
AUC (Area Under Curve) 被定义为ROC曲线下的面积,显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方,所以AUC的取值范围一般在0.5和1之间。使用AUC值作为评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好,而作为一个数值,对应AUC更大的分类器效果更好。
AUC的计算有两种方式,梯形法和ROC AUCH法,都是以逼近法求近似值,具体见wikipedia。
分类性能度量指标 : ROC曲线、AUC值、正确率、召回率、敏感度、特异度相关推荐
- 机器学习之分类性能度量指标 : ROC曲线、AUC值、正确率、召回率
北京 | 高性能计算之GPU CUDA课程11月24-26日3天密集学习 快速带你晋级阅读全文> 在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度.错误率指的是在所有测试样例中错分 ...
- 分类性能度量指标:准确性(AC)、敏感性(SE)、特异性(SP)、F1评分、ROC曲线、PR(Precision-Recall)曲线、AUC曲线,混淆曲线
一:比较容易理解的比喻 以糖尿病人的筛查为例.第一个钟形代表正常人,第二个钟形代表糖尿病人.理想中,如果正常人和糖尿病人的血糖范围完全没有重合就好了.这样我就把标准定在中间那个最低点.低于此点的,就是 ...
- 分类性能度量指标:ROC曲线、AUC值、正确率、召回率、敏感度、特异度
在分类任务中,人们总是喜欢基于错误率来衡量分类器任务的成功程度.错误率指的是在所有测试样例中错分的样例比例.实际上,这样的度量错误掩盖了样例如何被分错的事实.在机器学习中,有一个普遍适用的称为混淆矩阵 ...
- ROC曲线 AUC值
全面了解ROC曲线 一. 初识ROC曲线 1. ROC的前世今生: ROC的全称是"受试者工作特征"(Receiver Operating Characteristic)曲线, ...
- 混淆矩阵介绍以及评价指标(准确率,精确率,召回率,特异度,假警报率,G-mean,F1_score,KS值)
混淆矩阵 混淆矩阵(Confusion Matrix),可以理解为就是一张表格.混淆这个名字还是很有内涵的,咳咳. 混淆矩阵是判断分类好坏程度的一种方法.另外还有ROC曲线和AUC曲线. 以分类模型中 ...
- 分类器性能度量指标之ROC曲线、AUC值
目录 概述 混淆矩阵(Confusion matrix) ROC曲线 AUC(Area under the ROC curve) AUC能拿来干什么 总结 参考资料: 概述 二分类问题在机器学习中是一 ...
- 分类指标ROC、AUC
accuracy.precision.recall.F1-score.ROC曲线.PR曲线.AUC 正负样本不平衡accuracy没有意义.于是提出precision(精确率.查准率)= TP/(TP ...
- 机器学习分类模型评价指标之ROC 曲线、 ROC 的 AUC 、 ROI 和 KS
前文回顾: 机器学习模型评价指标之混淆矩阵 机器学习模型评价指标之Accuracy.Precision.Recall.F-Score.P-R Curve.AUC.AP 和 mAP 图裂的话请参考:ht ...
- 机器学习模型评估指标ROC、AUC详解
我是小z ROC/AUC作为机器学习的评估指标非常重要,也是面试中经常出现的问题(80%都会问到).其实,理解它并不是非常难,但是好多朋友都遇到了一个相同的问题,那就是:每次看书的时候都很明白,但回过 ...
- 机器学习 模型评估指标 - ROC曲线和AUC值
机器学习算法-随机森林初探(1) 随机森林拖了这么久,终于到实战了.先分享很多套用于机器学习的多种癌症表达数据集 https://file.biolab.si/biolab/supp/bi-cance ...
最新文章
- python如何爬虫-如何使用python爬虫爬取要登陆的网站
- JavaScript ES2015
- BootStrap 组件和样式
- mysql 多个命令行,5.8.2.1在Windows命令行中启动多个MySQL实例
- java manager 模式_java设计模式之装饰器模式(Decorator)
- 1400 序列分解(dfs)
- GitHub客户端的使用方法
- 生成pdf设置中文字体出错 \simsun.ttc' with 'Identity-H' is not recognized或者type of font{0} is not recognized
- 2019年全国大学生电子设计竞赛D题简易电路特性测试仪试题
- qemu指定CPU型号
- Springboot使用@Scheduled多节点启动时调度重复执行
- arcgis server发布自定义打印模板及利用ArcGIS API javascript使用自定义打印服务打印地图
- 蓝桥杯2019年第十届国赛真题-大胖子走迷宫
- 林瑞c语言代码规范,林瑞庆
- “核高基”重大专项取得阶段性成果
- 吉德林法则 (Kidlin's Law)的真实案例(2)
- 杜克大学计算机科学博士,杜克大学计算机科学CS博士学位申请介绍
- geth 区块同步 守护线程
- Linux命令取别名 | alias
- NeRF in the Wild