理论物理学家和研究科学家Mehmet Suzen曾表示,二分类任务是机器学习的基础。但是,其性能的标准统计信息是一种数学工具,ROC-AUC很难解释。在这里,引入了一种性能度量,该度量仅考虑进行正确的二进制分类的可能性。
机器学习模型的核心应用是二分类任务。从用于诊断测试的医学领域到为消费者提供信用风险决策的领域,有很多领域。建立分类器的技术多种多样,从简单的决策树到逻辑回归,再到最近利用多层神经网络的超酷深度学习模型。但是,它们在构造和训练方法上在数学上有所不同,就其评估而言,事情变得棘手。在本文中,我们为实践中的二元分类器提出了一种简单且可解释的性能指标。
为什么ROC-AUC无法解释?
因为不同的阈值会产生不同的混淆矩阵。
报告分类器性能的实际标准是使用接收机工作特性(ROC)-曲线下面积(AUC)''度量。它起源于1940年代美国海军研发雷达时,用于测量探测性能。 ROC-AUC的含义至少有5种不同的定义,即使您拥有博士学位也是如此。在机器学习中,人们很难解释AUC作为绩效指标的含义。由于AUC功能几乎在所有图书馆中都可用,并且它几乎像一种宗教仪式一样,在机器学习论文中作为分类表现进行报告。但是,除了荒谬的比较问题之外,其解释并不容易,请参阅hmeasure。 AUC会根据从不同阈值的混淆矩阵中提取的假正率(FPR)来衡量真正率(TPR)曲线下的面积。
f(x)= y
∫10 f(x)dx = AUC
其中,y是TPR,x是FPR。除了多种解释且容易混淆之外,将积分放在FPR之上没有明确的目的。显然,我们希望通过将FPR设置为零来实现完美的分类,但是该区域在数学上并不清晰,这意味着它作为一个数学对象是不清楚的。
正确分类的概率(PCC)
对于二分类问题的分类器而言,一种简单且可解释的性能指标对于技术含量高的数据科学家和非技术利益相关者都非常有用。这个方向的基本租户是,分类器技术的目的是区分两个类别的能力。这归结为一个概率值,正确分类的概率(PCC)。一个明显的选择是所谓的平衡精度(BA)。通常建议将其用于不平衡问题,即使是SAS也是如此;尽管他们使用了概率相乘。由于统计上的依赖性,在这里我们将BA称为PCC并使用加法代替:
PCC =(TPR + TNR)/ 2
TPR = TP /(条件正例)= TP /(TP + FN)
TNR = TN /(条件负例)= TN /(TN + FP)。
PCC告诉我们分类器在检测任何一个分类中有多好,它是一个概率值[0,1]。请注意,即使我们的数据在生产中是均衡的,在肯定和否定情况下使用总精度也会产生误导,即使我们衡量绩效的批次可能不均衡,所以仅凭准确性并不是一个好方法。
生产问题
迫在眉睫的问题是如何在生成混淆矩阵时选择阈值?一种选择是选择一个阈值,以使PCC在测试集上的生产最大化。为了改善PCC的估计,可以对测试集进行重采样以获得良好的不确定性。
结论
我们尝试通过引入PCC或平衡精度作为二进制分类器的一种简单且可解释的性能指标来规避报告AUC。这很容易向非技术人员解释。可以引入一种改进的PCC,它考虑到更好的估计属性,但是主要解释仍然与正确分类的可能性相同。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10推荐学习书籍 《CDA一级教材》在线电子版正式上线CDA网校,为你提供系统、实用、前沿的学习资源,助你轻松迈入数据分析的大门! ...
2025-03-07在数据驱动决策的时代,掌握多样的数据分析方法,就如同拥有了开启宝藏的多把钥匙,能帮助我们从海量数据中挖掘出关键信息,本 ...
2025-03-06