知识卡片
ROC与AUC排序
ROC 曲线以不同阈值的 FPR 为横轴、TPR 为纵轴,展示不同误报与召回的组合。ROC AUC 可解释为随机正样本得分高于随机负样本的概率,加上相等得分概率的一半;它总结排序能力,不能替代具体阈值下的业务代价或概率校准。书中示例仅统计严格大于,遇到并列得分会低估标准 AUC。
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
- 训练与评估 9.7 ROC曲线和AUC · 查看原书依据
ROC曲线的横坐标是FPR
参考来源
- 位置:《用Python实现深度学习框架》第9章《训练与评估》,9.7 ROC曲线和AUC(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_081.html`)
- 结论依据:原文定义评价指标、给出评估节点代码及曲线;平分、阈值单调性和重置问题为对公式与代码的边界说明。
- 原始内容:ROC曲线的横坐标是FPR。