知识卡片
指标实现的编码边界
指标实现必须统一预测与标签编码,并使用适合数组的逐元素逻辑运算。书中阈值预测为 0/1,但 ROC 对负类标签按 −1 统计;直接比较会把正确负类判错。代码还用 Python 的 and 连接数组比较,在多元素数组上会因真值不明确而失败。正确实现需先统一编码、用逐元素逻辑,并处理缺少正类或负类的分母为零。
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
self.true_pos_num[index] += np.sum(pred == gt and pred == 1)
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:ROC 代码按 −1 统计负类,阈值转换函数输出 0/1,且用 and 组合数组比较;其余为针对实现的推断。
- 原始内容:`self.true_pos_num[index] += np.sum(pred == gt and pred == 1)`