機器學習 評價分類結果(ROC 曲線)

2022-03-22 01:03:17 字數 782 閱讀 3543

1)定義

模型不限於是否通過極度偏斜的資料訓練所得

比較方式:roc 曲線與座標圖形邊界圍成的面積,越大模型越優;

tpr(true positive rate):真正率;被**為正的正樣本結果數 / 正樣本實際數:tpr = tp /(tp + fn);

tnr(true negative rate):真負率;被**為負的負樣本結果數 / 負樣本實際數:tnr = tn /(tn + fp) ;

fpr(false positive rate):假正率;被**為正的負樣本結果數 /負樣本實際數:fpr = fp /(tn + fp) ;

fnr(false negative rate):假負率;被**為負的正樣本結果數 / 正樣本實際數:fnr = fn /(tp + fn) ;

2)與 p - r 曲線的區別

模型:可以是同樣演算法不同超引數所得的不同模型,也可以是不同演算法所得的不同模型;

3)tpr 和 fpr 的關係

隨著閾值 threshold 的增大,fpr 和 tpr 都逐漸減小;

fpr 和 tpr 稱正相關關係,fpr 越高,tpr 相應的也越高;

1)封裝

2)例roc 曲線與圖形邊界圍成的面積,作為衡量模型優劣的標準,面積越大,模型越優;

可以是同樣演算法不同超引數所得的不同模型,也可以是不同演算法所得的不同模型;

機器學習 PR曲線, ROC曲線

在機器學習領域,如果把accuracy作為衡量模型效能好壞的唯一指標,可能會使我們對模型效能產生誤解,尤其是當我們模型輸出值是乙個概率值時,更不適宜只採取accuracy作為衡量模型性泛化能的指標 這篇博文會為大家介紹兩種比較二分決策模型效能的方法pr曲線,roc曲線 對於分類問題我們可以直接 輸入...

機器學習之ROC曲線

在機器學習中評價分類模型時經常會用到roc曲線。要學習roc曲線首先得知道什麼是tpr,什麼是fpr。tpr的英文全稱為 true positive rate fpr的英文全稱為 false positive rate 中文解釋為 tpr 真正例率 真實值是正例,且 為正例的比例 fpr 假正例率 ...

分類演算法如何繪製roc曲線 ROC曲線繪製方法

roc receiver operating characteristic 曲線即受試者工作特徵曲線。roc曲線與座標軸圍成的面積被稱為auc area under curve 這兩個指標和敏感性 特異性和準確性一起,是評估演算法模型效能常用的指標。在進一步介紹roc曲線如何繪製之前,先引入幾個概念...