AUC（Area Under the Curve）是衡量机器学习模型性能的重要指标，尤其在二分类问题中。其计算公式是通过比较正负样本得分排序后的概率来确定的。AUC值越高，意味着模型区分正负样本的能力越强，更接近1的AUC值表示更好的模型性能。了解AUC可以帮助优化和选择最佳预测模型。
AUC
AUC计算公式
任意选取两个正、负样本，正样本的分数高于负样本的概率。
Σ R a n k p o s i t i v e − N p o s i t i v e ( N p o s i t i v e − 1 ) 2 N p o s i t i v e N n e g a t i v e \frac{ \Sigma Rank_{positive} - \frac{N_{positive}(N_{positive}-1)}{2}}{N_{positive}N_{negative}} NpositiveNnegativeΣRankpositive−2Npositive(Npositive−1)
扫一扫
879
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
