码迷,mamicode.com
首页 > 其他好文 > 详细

模型评价的ROC曲线

时间:2021-03-15 10:38:57      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:比例   样本   声明   面积   auc   坐标   部分   标签   roc   

纵坐标:真正例率-----正样本被正确召回的比例

横坐标:假正例率(分子是预测为正实际为反,分母是负样本)-----负样本被错误找回的比例

因此在ROC曲线的面积AUC,可以理解为是固定FPR,正样本的正确召回率;或者固定TPR,负样本的正确召回率。(样本预测的排序质量)

因此AUC越大越好。

显然,我们关注的是模型预测为正的部分。

声明:
我们说正例或反例指的是样本真实标签
真和假指的是预测结果是否和标签一致。

TPR = 模型预测为正且实际为正 / 正样本数目
FPR = 模型预测为正且实际为反 / 负样本数目

模型评价的ROC曲线

标签:比例   样本   声明   面积   auc   坐标   部分   标签   roc   

原文地址:https://www.cnblogs.com/Henry-ZHAO/p/14525526.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!