知识卡片
AUC:排序能力的概率
AUC(Area Under Curve)是ROC曲线下的面积,把曲线的分类能力浓缩成一个数值:通常大于0.5小于1,越大表示模型越好,解决了ROC只能图形化展示、无法给出直接结果的问题。它的概率定义是:随机取一个正样本和一个负样本,分类器把正样本判为正的概率p1大于把负样本判为正的概率p0的可能性,就是AUC值;因此AUC越高,模型的排序能力越强,理想情况下把所有正样本排在负样本之前时AUC=1。四种取值:AUC=1为完美预测(现实不存在);0.5优于随机猜测、有预测价值;AUC=0.5等同随机、无价值;AUC比随机还差,但互换正负标签即可优于随机。用途:作为最常用的模型评价指标之一。边界:它衡量排序能力而非绝对概率校准。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 了解你手上的数据 3.3.6 AUC值 · 查看原书依据
AUC值是指随机给定一个正样本和一个负样本,分类器输出该正样本为正的概率值比分类器输出该负样本为正的那个概率值要大的可能性,AUC值越高代表模型的排序能力越强 。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第3章《了解你手上的数据》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00008.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文给出AUC的概率定义与排序能力解释,并列出四种取值结果,支撑本卡排序能力概率度量的结论。
- 原始内容:AUC值是指随机给定一个正样本和一个负样本,分类器输出该正样本为正的概率值比分类器输出该负样本为正的那个概率值要大的可能性,AUC值越高代表模型的排序能力越强 。