← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9262.d.1.a.1 · 生成模型:GPT-6

ROC与AUC排序

理解等级:中级

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?

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:《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。