ROC、PR曲线、AUC值
ROC曲线
ROC曲线就是由一系列的阈值threshold下的(伪阳性,真阳性)决定的一个个坐标点连接而成的,一般用于二分类模型比较
横轴FPR:1-TNR,1-Specificity,FPR越大,预测正类中实际负类越多。
纵轴TPR:Sensitivity(正类覆盖率),TPR越大,预测正类中实际正类越多。
图中实线为ROC曲线,线上每个点对应一个阈值。
AUC:ROC曲线下面的面积,介于0.1和1之间。AUC反映的是分类器对样本的排序能力,依照上面的例子就是A排在B前面的概率。AUC越大,自然排序能力越好,即分类器将越多的正例排在负例之前。
PR (Precision Recall) 曲线
PR曲线展示的是Precision vs Recall的曲线,PR曲线与ROC曲线的相同点是都采用了TPR (Recall),都可以用AUC来衡量分类器的效果。不同点是ROC曲线使用了FPR,而PR曲线使用了Precision,因此PR曲线的两个指标都聚焦于正例。
使用场景
1.ROC曲线由于兼顾正例与负例,所以适用于评估分类器的整体性能,相比而言PR曲线完全聚焦于正例。
2.如果有多份数据且存在不同的类别分布,比如信用卡欺诈问题中每个月正例和负例的比例可能都不相同,这时候如果只想单纯地比较分类器的性能且剔除类别分布改变的影响,则ROC曲线比较适合,因为类别分布改变可能使得PR曲线发生变化时好时坏,这种时候难以进行模型比较;反之,如果想测试不同类别分布下对分类器的性能的影响,则PR曲线比较适合。
3.如果想要评估在相同的类别分布下正例的预测情况,则宜选PR曲线。
4.类别不平衡问题中,ROC曲线通常会给出一个乐观的效果估计,所以大部分时候还是PR曲线更好。
5.最后可以根据具体的应用,在曲线上找到最优的点,得到相对应的precision,recall,f1 score等指标,去调整模型的阈值,从而得到一个符合具体应用的模型。
ROC、PR曲线、AUC值相关推荐
- R语言使用pROC包绘制ROC曲线实战:roc函数计算AUC值、plot.roc函数绘制ROC曲线、添加置信区间、为回归模型中的每个因子绘制ROC曲线并在同一个图中显示出来
R语言使用pROC包绘制ROC曲线实战:roc函数计算AUC值.plot.roc函数绘制ROC曲线.添加置信区间.为回归模型中的每个因子绘制ROC曲线并在同一个图中显示出来 目录
- 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, ...
- 2020-08-24绘制ROC PR曲线 核心方法总结 ,计算AUC核心方法
#1 绘制ROC AUC PR曲线 #核心方法 roc_curve(y_test, preds) # preds为概率形式 #source code import matplotlib.p ...
- Python画ROC图与AUC值
ROC和AUC定义 ROC全称是"受试者工作特征"(Receiver Operating Characteristic).ROC曲线的面积就是AUC(Area Under the ...
- 机器学习分类问题指标理解——准确率(accuracy)、精确率(precision)、召回率(recall)、F1-Score、ROC曲线、P-R曲线、AUC面积
2020.08.25更新: 修改了ROC曲线中TPR公式的错误. 2020.07.25更新: 修改了混淆矩阵,每一行为实际值,每一列与预测值. 机器学习分类问题指标理解 0. 一个例子 1.准确率(A ...
- ROC曲线和PR曲线
一 ROC曲线 1. 什么是ROC曲线? 2. 曲线的性质 3. ROC曲线的绘制: 4. ROC曲线的优点 5. ROC曲线的缺点 6. AUC值 二 PR曲线 1. 什么是PR曲线 2. PR曲线 ...
- 【机器学习-西瓜书】二、性能度量:召回率;P-R曲线;F1值;ROC;AUC
关键词:准确率(查准率,precision):召回率(查全率,recall):P-R曲线,平衡点(Break-Even Point, BEP):F1值,F值:ROC(Receiver Operatin ...
- 一文详尽混淆矩阵、准确率、精确率、召回率、F1值、P-R 曲线、ROC 曲线、AUC 值、Micro-F1 和 Macro-F1
文章目录 二分类的评价指标 一.混淆矩阵与 TP.TN.FP.FN 二.准确率.精确率.召回率.F1值 三.P-R 曲线 四.ROC 曲线.AUC 值 五.P-R曲线和ROC曲线有什么区别,如何选择? ...
- 机器学习之性能度量指标——决定系数R^2、PR曲线、ROC曲线、AUC值、以及准确率、查全率、召回率、f1_score
一.线性回归的决定系数(也称为判定系数,拟合优度) 相关系数是R哈~~~就是决定系数的开方! 正如题所说决定系数是来衡量回归的好坏,换句话说就是回归拟合的曲线它的拟合优度!也就是得分啦~~ 决定系数它 ...
- ROC曲线,AUC值,PR曲线,AP值
Receiver Operating Characteristic (ROC) with cross validation - scikit-learn 1.0.2 documentation Pre ...
最新文章
- [Android] Handler源码解析 (Java层)
- 用自定义IHttpModule实现URL重写
- 【转载】中文输入法下onKeyPress不能触发的问题
- MATLAB 数组运算
- TI C6000DSP上TCP/IP协议栈的实现
- 【业务知识】企业数字档案馆总体架构图
- ubuntu 中的qt怎么调用graphics.h_Qt 标准对话框之 QFileDialog
- 路由器 和 交换机 傻傻分不清楚
- 计算机检测维修与数据恢复课件,2017年全国职业院校技能大赛中职组“计算机检测维修与数据恢复”赛项说明会ppt课件.ppt...
- zClock - 置顶时钟, 倒计时, 网速显示
- matplotlib绘图相关
- odoo website_15专家使用的Website Builder软件
- 如何用一台计算机控制多台计算机,怎么用一套鼠标键盘操作两台或多台电脑?...
- php opendir 相对路径,我是wamp环境,怎么样让php的opendir函数可以接受相对路径?...
- HYSPLIT简明教程
- 第三方支付和代付区别在哪?
- Openssl 命令之cer证书转成pem. 利用ptf私钥文件生成公钥
- 第一章 DirectX 计算机图形学(上)
- Automatic Metallic Surface Defect Detection and Recognition with Convolutional NeuralNetworks-论文阅读笔记
- traditional 和conventional区别
热门文章
- ORB-SLAM2学习笔记——BundleAdjustment函数
- 史上最全各种简历模板,自荐信模板和面试技巧
- SVN提交出错--URL access forbidden for unknown reason
- 基于华为java编程规范的checkstyle.xml以及格式化模版,注释模版
- 实验吧 因缺思汀的绕过 By Assassin(with rollup统计)
- JAVA学习day30--方法的重写
- 微星主板Z370M mortar刷新BIOS导致主板MAC地址错误解决方法
- 估计一个点云的表面法线
- uva437 巴比伦塔
- 超实用!教你用 Python 获取并下载美股数据