机器学习11（ROC曲线）

已于 2023-06-07 00:09:40 修改
阅读量280 收藏 3
点赞数 2
分类专栏： MachineL 文章标签： 机器学习 评估指标 ROC-AUC
于 2022-12-18 23:15:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Roy_Allen/article/details/128072326
版权

文章目录

模型评估指标

  • 除了F1-Score以外，还有一类指标也可以很好的评估模型整体分类效力，即ROC曲线与AUC值
  • 当然这二者其实是一一对应的，ROC（全称为Receiver operating characteristic，意为受试者特征曲线）是一个二维平面空间中一条曲线
  • 而AUC则是曲线下方面积（Area Under Curve）的计算结果，是一个具体的值，也就是说，二者是同一个指标
    1
  • ROC曲线同样也是基于混淆矩阵衍生的二级指标来进行构建，该指标的计算有些类似于交叉熵的计算过程，会纳入分类模型的概率结果来进行模型性能的评估

ROC-AUC

绘制

  • 先讨论曲线的绘制过程，模型还是逻辑回归
    • 这里重点讨论分类模型的评估指标，理论上是不限模型的，只要是分类模型，且输出结果可看做是概率值即可
  • 首先，假设逻辑回归对某一组数据分类结果如下，我们按照预测概率从大到小进行排序
    2
  • 我们从1开始逐渐降低阈值
    • 在阈值取值范围为0.9-1之间时
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Roy_Allen
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
机器学习：ROC曲线
m0_72410588的博客
05-07 2020
本篇博客从概念、原理、应用和与AUC值相关的知识点四个方面介绍了ROC曲线的基本知识，并给出了Python实现的示例。尽管ROC曲线不能完全衡量分类器的性能，但是它仍然是一个非常重要的评估指标，可以帮助我们选择更好的分类器模型，提高机器学习的效果和准确率。
机器学习中的ROC曲线理解和实战
ouzhong11的博客
10-23 7100
ROC最简单的理解，一看就懂了
算法金 | 一文彻底理解机器学习 ROC-AUC 指标
最新发布
算法金「全网同名」的博客
06-11 1023
ROC 曲线，即接收者操作特征曲线，ROC曲线产生于第二次世界大战期间，最早用在信号检测领域，侦测战场上的敌军载具（飞机、船舰）。现在是是用来评价二分类模型性能的常用图形工具。它通过显示真阳性率（True Positive Rate，简称 TPR）与假阳性率（False Positive Rate，简称 FPR）之间的权衡来帮助我们理解模型的分类能力。AUC，即曲线下面积（Area Under Curve），是 ROC 曲线下面积的一个数值表示。它提供了一个定量的指标，用来衡量分类模型的整体表现。
【机器学习】ROC曲线以及AUC面积的原理（理论+图解）
CSDN 精品推荐
07-08 1万+
  简 介：下面是我在学习时候的记录并加上自己的理解。本文意在记录自己近期学习过程中的所学所得，如有错误，欢迎大家指正。   关键词：Python、机器学习 一、什么是ROC曲线   我们通常说的ROC曲线的中文全称叫做接收者操作特征曲线（receiver operating characteristic curve），也被称为感受性曲线。 该曲线有两个维度，横轴为fpr（假正率），纵轴为tpr（真正率） 准确率（accuracy）：（TP+TN）/ ALL..
【机器学习】了解 AUC - ROC 曲线
热门推荐
gongdiwudu的专栏
07-16 3万+
在机器学习中，性能测量是一项基本任务。因此，当涉及到分类问题时，我们可以依靠AUC - ROC曲线。
机器学习中常用的概念：ROC曲线和AUC值，到底是什么？
m0_72274883的博客
01-08 1917
ROC曲线和AUC值是评价分类监督学习性能的重要量度指标。ROC曲线又被称为“接受者操作特征曲线”“等感受性曲线”，主要用于预测准确率情况。最初ROC曲线运用在军事上，现在广泛应用在各个领域，比如判断某种因素对于某种疾病的诊断是否有诊断价值。曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反映，只不过是在几种不同的判定标准下所得的结果而已。ROC曲线下方的区域面积又被称为AUC值，是ROC曲线的数字摘要，取值范围一般为0.5~1。使用AUC值作为评价标准是因为很多时候ROC曲线并不能清晰地说明哪个……
roc曲线绘制2.rar
05-07
ROC曲线，全称为Receiver Operating Characteristic曲线，是评估二分类模型性能的重要工具，特别是在机器学习和深度学习领域，如人脸识别中。ROC曲线通过绘制真阳性率（True Positive Rate, TPR）与假阳性率（False ...
使用机器学习和 ROC 曲线进行决策-研究论文
06-09
接收器操作特征 (ROC) 曲线表示在二元分类问题中发现的统计信息，是机器学习和数据科学中的一个关键概念。 本文研究了 ROC 曲线的统计特性及其对模型选择的影响。 我们分析了不同激励异质性和信息不对称模型对人类...
五折交叉验证绘制ROC曲线
05-24
五折交叉验证（5-fold cross-validation）和ROC曲线（Receiver Operating Characteristic Curve）在机器学习中是两个不同的概念，但通常可以结合使用来评估模型的性能。 五折交叉验证的基本思想是将原始数据集分成...
解决ROC曲线画出来只有一个点的问题
09-17
在机器学习中，当我们的模型给出的是每个样本属于正类的概率时，ROC曲线尤为重要。 正常情况下，ROC曲线是由多个点构成的连续曲线，这些点对应于不同的分类阈值。如果ROC曲线只有一个点，那么意味着模型只使用了一...
5_roc_SVM分类_机器学习_
09-29
在机器学习领域，ROC曲线（Receiver Operating Characteristic Curve）是一种评估分类模型性能的重要工具，尤其在二分类问题中。ROC曲线展示了真阳性率（True Positive Rate, TPR）与假阳性率（False Positive Rate,...
5.ROC-AUC机器学习模型性能的常用的评估指标
qq_37977007的博客
01-24 1494
机器学习的相关评估指标--ROC-AUC曲线
机器学习（四）ROC 和 AUC
qq_21484787的博客
01-30 8525
ROC 和 AUC AUC是一种模型分类指标，且仅仅是二分类模型的评价指标。AUC是Area Under Curve的简称，那么Curve就是ROC（Receiver Operating Characteristic），翻译为"接受者操作特性曲线"。 ROC 曲线由两个变量TPR和FPR组成，这个组合以FPR对TPR，即是以代价(costs)对收益(benefits)。 x轴为假阳性率（FPR）：在所有的负样本中，分类器预测错误的比例 FPR=FPFP+TNFPR = \frac {FP}{FP+TN}
Python机器学习：roc_curve()生成ROC曲线
Sukey666666的博客
02-11 6086
用sklearn里面的roc_curve()函数，就能一键计算FPR和TPR，快速生成ROC曲线啦。
机器学习：何为PR曲线与ROC曲线
weixin_51998499的博客
10-19 2045
第一个和第二个样本score>=0.8，所以预测为正样本，其本身也为正样本，其他样本score都
机器学习之ROC曲线
荒野雄兵的专栏
12-30 1万+
在机器学习中评价分类模型时经常会用到ROC曲线。 要学习ROC曲线首先得知道什么是TPR，什么是FPR。 TPR的英文全称为：True Positive Rate FPR的英文全称为：False Positive Rate 中文解释为： TPR（真正例率）：真实值是正例，且预测为正例的比例 FPR（假正例率）：真实值为负例，而预测为正例的比例 怎么感觉有些绕口令啊？ OK，看下图： 根据上图图示...
机器学习笔记——ROC曲线
sunny的专栏
01-04 6361
1.性能度量简介 在对学习器的泛化 能力进行评估是模型泛化的能力，即要用到机器学习的性能度量，不同的性能度量往往会导致不同的评判结果，这意味着模型的好坏是相对的，什么样的模型是好的，不仅取决于算法和数据，还决定于任务的要求。 分类任务重最常用的是准确度(accuracy)及错误率(error rate): 上面两个度量经常用，但对于不平衡的数据集不适应。 首先做一些定义： TN ...
机器学习之ROC曲线绘制
wxfu2010的博客
02-18 7150
问题 当我们在使用机器学习分类算法时，例如使用逻辑回归来对鸢尾花进行样本分类， 是否准确率为95%就代表模型非常成功呢？如何来判定我们使用模型的好坏呢？ ROC曲线 其实，这种好坏的评判标准一直都有，而且随着时代的进步不断更迭。 十几年前在《machine learning》一文中就提出了分类精确的概念来划定模型的好坏；此后，学术界又引入信息检索(IR)领域中的recall和precision进行判定。 然而，在现实中样本在不同类别上的不均衡分布(class distribution imbalance
机器学习理解概念系列——ROC曲线
Hadoop->Spark->Flink
07-28 1483
案例描述：在一个癌症数据集中，有80000个标签为不是癌症的记为负类（negtive），150个标签为是癌症的记为正类（positive），实际上我们的目标就是第一，在测试集测试的时候让这些正样本能够尽可能多得预测出来（TP）。第二，我们不希望模型把一个正常样本预测为患癌（FP）（那不得把人吓死）。在目标第一点第二点中都提到了正类，说明影响模型可靠性的也是这些正类，我们的关注点也正是这些正类。而ROC曲线正好能够反应出来，尤其是在样本不均衡时。 1.ROC曲线相关知识 横轴：负正类率(false p
机器学习中ROC曲线指啥
05-23
ROC曲线是机器学习中常用的性能评估工具之一，它是接收者操作特征曲线（Receiver Operating Characteristic Curve）的缩写。ROC曲线是一条以假阳性率（False Positive Rate, FPR）为横轴，真阳性率（True Positive ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Roy_Allen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值