概念

  1. ROC是表示区分二分类真实情况的能力曲线图
  2. 最初该方法是为军事雷达人员设计的,这也是该名字的来源

符号意义

P(positive):代表在真实数据集中的正类
N(negative):代表在真实数据集中的负类
true positive (TP):正确命中
true negative (TN):正确拒绝
false positive (FP):错误警告,也称一型错误.
false negative (FN):本身是正类,但被错误判断为负类,丢失正类,也称二型错误

Null positive negative
Predicted Positive TP(将正类预测正确) FP(将负类错误预测为正类)
Predicted Negative FN(将正类错误预测为负类) TN(将负类预测正确)

公式

预测正确率
ACC=TP+TNTP+FP+FN+TNACC = \frac{TP+TN}{TP+FP+FN+TN} ACC=TP+FP+FN+TNTP+TN​
正类发生率
Prevalence=TPTP+FP+FN+TNPrevalence = \frac{TP}{TP+FP+FN+TN} Prevalence=TP+FP+FN+TNTP​

正类预测值Positive predictive value
PPV=TPTP+FPPPV = \frac{TP}{TP+FP} PPV=TP+FPTP​

错误发生率
FDR=FPTP+FPFDR = \frac{FP}{TP+FP} FDR=TP+FPFP​

召回率Recall
TPR=TPTP+FNTPR=\frac{TP}{TP+FN} TPR=TP+FNTP​

伪正率(一类错误的发生率)
FPR=FPTP+FPFPR=\frac{FP}{TP+FP} FPR=TP+FPFP​

ROC空间(ROC与x轴的面积)

ROC曲线是以FPR为横轴 TPR为纵轴的曲线,因此为了使结果尽可能可信\真实\可接受,所以TPR召回率尽量大,也就是让曲线往纵轴靠近,面积越接近

wiki

ROC:Receiver operating characteristic Curve接受者操作特征的理解相关推荐

  1. ROC(receiver operating characteristic curve)曲线与ROC分析

    ROC(receiver operating characteristic curve)曲线与ROC分析 目录 ROC(receiver operating characteristic curve) ...

  2. ROC曲线(Receiver Operating Characteristic Curve)

    分类模型尝试将各个实例(instance)划归到某个特定的类,而分类模型的结果一般是实数值,如逻辑回归,其结果是从0到1的实数值.这里就涉及到如何确定阈值(threshold value),使得模型结 ...

  3. ROC(Receiver Operating Characteristic)曲线简介

    最近在看一些医学和机器学习结合的论文,这些论文里面评价分类器的分类性能最常用的指标之一就是ROC曲线.同时我也注意到在一些涉及到实际应用的场景中,ROC曲线出现的频率也很高.鉴于以上原因,接下来我就对 ...

  4. auc matlab,matlab ROC曲线(receiver operating characteristic)/AUC

    ROC曲线 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0.4的为0类,大于等 ...

  5. Java面向对象三大特征的理解

    面向对象三大特征的理解 初始理解 封装 继承 多态 初始理解 其实这些知识很早就有接触,而且一些概念也牢记于心了.自己叙述面向对象的特征会是这样的: 面向对象的三大特征是封装.继承和多态.封装是对代码 ...

  6. 数字图像处理合集——图像特征与理解

    实现: 1.掌握图像的基本特征算法,理解图像中目标的几何特征.形状特征的物理与几何意义,并能够将特征的数学语言转换成程序描述. 2.掌握图像的角点特征算法,理解Moravec角点的物理与几何意义,并能 ...

  7. 【QM-04】Inspection Characteristic(检验特征)

    上一节最后讲到了Skip跳过检查的阶段(不用抽样方法的检验),那么这一个阶段是不是就直接跳过了呢?还会在SAP中产生检验批呢? --答案是肯定的,仍然会在ERP中产生检验批,只不过多了一个状态&quo ...

  8. 数字信号处理实验三用fft对信号作频谱分析_机器学习中的音频特征:理解Mel频谱图...

    如果你像我一样,试着理解mel的光谱图并不是一件容易的事.你读了一篇文章,却被引出了另一篇,又一篇,又一篇,没完没了.我希望这篇简短的文章能澄清一些困惑,并从头解释mel的光谱图. 信号 信号是一定量 ...

  9. 对java面向对象的三大特征的理解_Java面向对象的三大特征是什么?

    面向对象的三大核心特性简介 面向对象开发模式更有利于人们开拓思维,在具体的开发过程中便于程序的划分,方便程序员分工合作,提高开发效率. 该开发模式之所以使程序设计更加完善和强大,主要是因为面向对象具有 ...

最新文章

  1. 苏州大学计算机考研复试经验,苏州大学计算机考研复试经验总结.docx
  2. Java GC系列(1):Java垃圾回收简介
  3. 使用Python和MetaTrader在5分钟内开始构建您的交易策略
  4. 新版火狐浏览器怎么调整字体 火狐浏览器字体调整技巧分享
  5. C#LeetCode刷题之#9-回文数(Palindrome Number)
  6. Facebook 开源图像处理库 Spectrum,优化移动端图像生成
  7. 安卓3D游戏-神奇宝贝防御战
  8. springboot错误: 找不到或无法加载主类
  9. 实现语音对讲_什么是五方通话?智慧电梯SIP五方对讲系统详细方案
  10. 计算机视觉中的图像扭曲
  11. word插入公式及编号右对齐
  12. AGV、IGV、RGV这三者之间的区别浅析
  13. python读取excel数据使用pyecharts展示
  14. 基于STM32+OV7670+TFT显示(升级篇:将摄像头采集到的画面显示在TFT屏)
  15. 版本控制工具VSS使用介绍
  16. Picovoice离线语音识别在Linux系统的部署
  17. 企业视觉识别系统(vi)的设计过程
  18. 【githubshare】可对 Web 容器、Web 服务器、Web 中间件以及 CMS 等 Web 程序进行漏洞扫描的软件
  19. core开发linux桌面应用,【.NET Core 跨平台 GUI 开发】第一篇:编写你的第一个 Gtk# 应用...
  20. 机械外骨骼中的恒力悬浮背包研究

热门文章

  1. 如何开发短信通知和语音功能医院信息系统(HIS系统)
  2. c++语言解一元二次方程,C++ 求解一元二次方程
  3. shell程序设计小知识
  4. 使用OpenSSL生成/签发证书的原理、流程与示例
  5. glog logging library for C++
  6. 苹果6s系统更新无服务器,我的iPhone6s国行 系统更新一直显示“正在检查更新”,无法更新是为什么?...
  7. 【经典C程序】判断闰年
  8. 在计算机软件中怎么拍照,计算机相机相机软件,这三个软件不仅用于拍照
  9. docker push 过程 distribution源码 分析
  10. 【UOJ #198】【CTSC 2016】时空旅行