原书出处
智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)
09 第9章 推荐系统的评价
ROC曲线呈现凸曲线。一旦AUC低于0.5,以二分类模型举例,我们可以理解为当前模型一定程度上比随机猜测的结果还要差。
最后,为什么我们要使用ROC和AUC评价指标?很重要的原因是ROC的横纵坐标分别是FPR和TPR,得益于其计算方式,两者对于样本正负比例的变化是不敏感的。
这种情况下,ROC与AUC指标更能集中突显模型分类性能的好坏,而几乎不受其他因素的影响。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0124.html
EPUB SHA-256:7c59ad7c208225d5ad9ff8ebac84642c693438b69bb9a48fad164b9dfb1eb976