三個類別：
sample
true
predict
1[0 0 1]
[0.1 0.2 0.7]
2[0 1 0]
[0.1 0.6 0.3]
3[1 0 0]
[0.5 0.2 0.3]
4[0 0 1]
[0.1 0.1 0.8]
5[1 0 0]
[0.4 0.2 0.4]
6[0 1 0]
[0.6 0.3 0.1]
7[0 1 0]
[0.4 0.2 0.4]
8[0 1 0]
[0.4 0.1 0.5]
9[0 0 1]
[0.1 0.1 0.8]
10[0 1 0]
[0.1 0.8 0.1]
roc曲線一般是針對二分類問題的，那對於多分類問題roc曲線該怎麼繪製？
也是one vs. rest原則，將其中一類看做正例，其它看做負例。比如我們有三個類別，那我們就可以繪製3條roc曲線。
以第乙個類別為例，將類別一看做正例，其它看做負例，得到下面的表：
sample
true
score1n
0.12
n0.1
3p0.54n
0.15
p0.46n
0.67
n0.48n
0.49
n0.110n
0.1
按score從小到大排序，得到：
sample
true
score6n
0.63
p0.5
5p0.47n
0.48
n0.41n
0.12
n0.14n
0.19
n0.110n
0.1
得到tpr和fpr：
sample
true
score
tprfpr6n
0.60/2
0/83
p0.5
1/21/8
5p0.4
2/23/87n
0.48
n0.41n
0.12/2
8/82
n0.14n
0.19
n0.110n
0.1
以fpr為橫座標，tpr為縱座標，就可以繪製roc曲線。
我們用scikit-learn進行fpr和tpr的計算，並用matplotlib繪製roc曲線如下：
遞迴計算過程和迭代計算過程
這次主要想通過幾個sicp的題目來說明遞迴計算過程和迭代計算過程。1 階乘 遞迴計算過程 define factorial n if n 1 1 factorial n 1 n 迭代計算過程 define fact iter counter result if counter 1 result fa...
PinBlock計算過程
引數 密碼，賬號，leftpinkey,rightpinkey out data 該引數為了帶出計算出來的pinblock 1先將密碼轉換為bcd碼 注意，轉碼後長度會變化，eg ascii碼的6位密碼轉成bcd碼後會縮短 放入pinblock定義好的16個長度的空字元陣列中 2再將賬號轉換為bcd...
ROC曲線與AUC計算總結
橫軸 負正類率 false postive rate,fpr 特異度，劃分例項中所有負例佔所有負例的比例 1 specificity 縱軸 真正類率 true postive rate,tpr 靈敏度，sensitivity 正類覆蓋率 1 若乙個例項是正類並且被 為正類，即為真正類 true po...