2018-11-23
阅读量:
749
Roc要注意什么?
让我们以阈值= 0.5为例(参考混淆矩阵)。这是混淆矩阵:
如您所见,此阈值的灵敏度为99.6%,(1-特异性)为~60%。该坐标在我们的ROC曲线中成为点。为了将该曲线降低到单个数字,我们找到该曲线下的面积(AUC)。
注意,整个正方形的面积是1 * 1 = 1.因此AUC本身是曲线下面的比率和总面积。对于手头的案例,我们将AUC ROC定为96.4%。以下是一些拇指规则:
- .90-1 =优秀(A)
- .80-.90 =好(B)
- .70-.80 =一般(C)
- .60-.70 =差(D)
- .50-.60 =失败(F)
我们看到我们属于当前模型的优秀乐队。但这可能只是过于贴合。在这种情况下,及时和不及时的验证变得非常重要。
要记住的要点:
1.对于给出类作为输出的模型,将在ROC图中表示为单个点。
2.这些模型无法相互比较,因为需要对单个指标进行判断而不使用多个指标。例如,具有参数(0.2,0.8)的模型和具有参数(0.8,0.2)的模型可以来自相同的模型,因此不应直接比较这些度量。
3.在概率模型的情况下,我们有幸得到一个AUC-ROC的数字。但是,我们仍然需要查看整个曲线以做出决定性的决定。一个模型也可能在某些区域表现更好,而其他模型在其他区域表现更好。
0.0000
0
1
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
0条评论
0条评论
1条评论