分类模型的评估指标（2）---ROC曲线与AUC简介

首先，我们需要了解一下，什么是ROC曲线？

ROC曲线，即受试者工作特征曲线（Receiver Operating Characteristic curve，简称ROC曲线，是根据一系列不同的二分类方式，以真阳性率（TPR）为纵坐标，假阳性率（FPR）为横坐标绘制成的曲线，描述的是一个模型的性能。

依旧是以之前的图片为例子：

对于ROC曲线，我们可以首先求出TPR和FPR两个指标：

以下图为例，

哪条ROC曲线对应的分类器效果好？

我们将曲线与x轴的面积定义为AUC（Area Under Curve），即ROC曲线下的面积。其中，AUC越大，代表分类器的效果越好。因此，B的效果要比A好得多。

AUC的取值范围通常为【0.5，1】之间，倘若一个模型的AUC的值小于0.5，那么我们便认为这个模型是没有意义的。

分类模型的评估指标（2）---ROC曲线与AUC简介相关推荐

【Pytorch-从一团乱麻到入门】：3、模型效果评估指标：ROC、AUC、precision、recall
在构建模型中,我们经常会用到AUC.ROC等指标来进行模型效果评估 ROC全称是"受试者工作特征"(Receiver Operating Characteristic).ROC曲线 ...
机器学习中的度量指标：ROC曲线，AUC值，K-S曲线
机器学习中的度量指标:ROC曲线,AUC值,K-S曲线首先,回顾一下二分类问题的一些定义: 预测 1 0 实 1 TP FN 际 0 FP TN 上表中,四个项分别为:TP真阳性:FN假阴性:FP ...
回归和分类模型性能评估指标MSE,MAE,PR,ROC,AUC
文章目录 0. 模型评估是什么,为什么 1. 不同类型问题的评估指标 1.1 回归问题 1.2 分类问题 1.2.1 准确率和错误率 1.2.2 精确率和召回率 1.2.3 PR曲线图 1.2.4 F ...
SVC模型评估指标与ROC曲线
目录 1.解决二分类SVC中的样本不均衡问题 1.1 概述 1.2 SVC参数class_weight 1.3 参数class_weight的使用 2.SVC模型评估指标 2.1 混淆矩阵(Confu ...
(8) 支持向量机（下）(模型评估指标、ROC曲线)
文章目录 1 二分类SVC的进阶 1.1 参数C的理解进阶 1.2 二分类SVC中的样本不均衡问题:重要参数class_weight 2 SVC的模型评估指标 2.1 混淆矩阵 2.1.1 模型整体效 ...
模型效果评估指标（ROC、AUC/KS、Lift、PSI）
以二分类问题为例混淆矩阵(Confusion Matrix) 对测试集数据进行预测,得到下列混淆矩阵中的数据注:TP.FN.FP.TN以预测的结果是否准确来命名. 预测模型评估指标的本质是从模型预 ...
一文看懂分类模型的评估指标：准确率、精准率、召回率、F1等
2019-11-21 21:59:23 机器学习模型需要有量化的评估指标来评估哪些模型的效果更好. 本文将用通俗易懂的方式讲解分类问题的混淆矩阵和各种评估指标的计算公式.将要给大家介绍的评估指标有:准 ...
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 ...
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 ...

分类模型的评估指标（2）---ROC曲线与AUC简介

分类模型的评估指标（2）---ROC曲线与AUC简介相关推荐

最新文章

热门文章