下邊簡單談一下自己的理解：
先說一下ks
將所有樣本根據分數值從低到高排序（即壞賬率從高到低）均分成10組，分別計算這10組的實際好樣本數、壞樣本數、累積好樣本數、累積壞樣本數、累積好樣本數佔比、累積壞樣本數佔比，差值。其中實際好壞樣本數分別為該組內的好壞樣本數，累積好壞樣本數為該組累積的好壞樣本數，累積好壞樣本數佔比為累積好壞樣本數佔總好壞樣本數的比值，差值為累積壞樣本數佔比減去累計好樣本數佔比。ks指標為差值絕對值的最大值。計算示例如下：
橫座標為每一組，作圖：
我們將壞客戶作為正樣本，計算累積正樣本率（cumsum_bad）和累積負樣本率（cumsum_good），累積正樣本率和累積負樣本率差的最大值就是ks值。ks曲線見下圖。
由於按照正樣本（bad
推薦模型評價指標 AUC
推薦中常用的模型評價指標有準確率，召回率，f1 score和auc。1.什麼是auc auc指標是乙個 0,1 之間的實數，代表如果隨機挑選乙個正樣本和乙個負樣本，分類演算法將這個正樣本排在負樣本前面的概率。值越大，表示分類演算法更有可能將正樣本排在前面，也即演算法準確性越好。2.auc的計算方法 ...
auc到多少有意義 對模型評價指標AUC的理解
auc是一種衡量機器學習模型分類效能的重要且非常常用的指標,其只能用於二分類的情況.auc的本質含義反映的是對於任意一對正負例樣本,模型將正樣本 為正例的可能性 大於 將負例 為正例的可能性的 概率 沒辦法這句話就是這麼繞,rap auc作為數值,那麼到底是怎麼來的?怎麼理解它的意義?在真正接觸au...
二分類模型評價指標 AUC
auc的含義和計算 auc針對二分類模型效果進行評價，二分類模型有時可能得到的是乙個概率值，這個概率值表明為 0或1類 的可能性 不同於決策樹分類，我們會直接得到乙個確切分類 我們劃定乙個具體概率值p，大於則為正，小於則為負，然後使用acc或其他指標評價，其實這樣做有很大漏洞，我們不能準確找到這個具...