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
“最近复购率一直在下降,我们的营销力度不小啊,为什么用户还是走了?” “是不是广告投放的用户质量不高?还是我们的产品问题 ...
2025-02-21以下文章来源于数有道 ,作者数据星爷 SQL查询是数据分析工作的基础,也是CDA数据分析师一级的核心考点,人工智能时代,AI能为 ...
2025-02-19在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31