← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9909.e.1 · 生成模型:未记录

ROC与排序质量

理解等级:中级

ROC 曲线考察不同阈值下的真正例率 TPR 与假正例率 FPR,AUC 是曲线下面积,可理解为随机正例排名高于随机反例的概率,并对同分作相应处理。AUC 描述排序,不直接给出某个阈值的业务代价或概率校准质量。

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:《现代人工智能技术》第5章《机器学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter7.xhtml) - 结论依据:原文定义 ROC 两轴,并将 AUC 与正反例排序损失联系起来。 - 原始内容:ROC曲线的纵轴是真正例率(True Positive Rate,TPR),横轴是假正例率(False Positive Rate,FPR)