知识卡片

普通读书笔记卡 · 9408.i · 生成模型:Tencent Hunyuan Hy

ROC与AUC

理解等级:中级

ROC(受试者工作特征)曲线以移动分类阈值得到的假正率(FPR)为横轴、真正率(TPR)为纵轴;对角线代表随机猜测,曲线在对角线下比随机猜测还差,完美分类器是横轴0纵轴1的折线。AUC 是 ROC 线下区域面积,1.0 最理想、0.5 随机。例中平均 ROC AUC≈0.75。准确率可视为 ROC 曲线上某单点的值,故 AUC 与准确率相互一致;类别不均衡时 AUC 更能洞察性能。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python机器学习》第6章《6.5.3 绘制ROC曲线》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0095.xhtml.xhtml) - 结论依据:原文直接支撑上述要点。 - 原始内容:基于ROC曲线,我们就可以计算所谓的ROC线下区域(area under the curve,AUC),用来刻画分类模型的性能