本文介绍了ROC曲线和AUC的概念，解释了它们在评估二分类模型中的作用。通过逻辑回归为例，讨论了分类阈值、精确率、召回率以及预测偏差。文章强调了ROC曲线的不变性和分类阈值不变性的优势，但也指出其在特定场景下的局限性，并列举了可能导致预测偏差的原因。
上次我们谈到逻辑回归，我们用sigmoid(仅用于二分法，至于多分类以后会谈(softmax)。
输出的值在0～1之间，这时输出的是一个概率。我们也可以将输出结果改成二元值(是垃圾邮件或者不是垃圾邮件)。
我们要设定一个概率，超过这个概率我们则认为是"垃圾邮件",低于的话，我们则认为不是。
这个设定的概率就被称为 分类阈值(判定阈值)。
之前在《深入浅出的数据分析》中我们提到过分类问题，这里原文用的狼来了的故事进行分类讲解：
真正例(TP):受到狼的威胁， 牧童并且说 狼来了。
真负例(TN):没受到狼的威胁 牧童说 没有狼。
假正例(FP):没受到狼的威胁 牧童说 狼来了。
假负例(FN):受到狼的威胁 牧童说 没有狼。
这里大家可能有点乱，至于怎么判断，大家可以这么看。
这里正例和负例说的是牧童的判断， 牧童判断没有狼就是负例， 判断有狼就是正例。
而至于真假则是看实际情况和牧童的判断是否一致，一致则为真，否则为假。
当然这里牧童就是机器的判断，至于真假就是看机器判断和实际标签是否一致。
准确率:
这个很好理解，就是模型判断正确的数除以总数：
Accuracy = (TP + TN ) / (TP + TN + FP + FN)
单单这么看貌似没有问题，但是回想起我们之前提到条件概率的时候，那时候的情况就是分类不平衡。如果我们面对样本分类不平衡的数据集的时候，单单看准确率就会出现问题，在这里举个极端点的例子：
假如现在有10k个有标签样本，其中
最低0.47元/天 解锁文章
147
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
