ROC

该博客通过结合数据集`d_train`和`d_test`进行随机森林模型的构建,利用`randomForest`包训练了一个分类模型。接着,预测测试集`d_test`的概率并获取ROC曲线,通过`ROCR`库评估模型的性能,绘制了真正率(TPR)与假正率(FPR)的关系图,以展示模型识别效果。
摘要由CSDN通过智能技术生成

d_train = rbind(d0_train,d1_train,d2_train,d3_train)
d_test = rbind(d0_test,d1_test,d2_test,d3_test)
d_train y [ d t r a i n y[d_train y[d

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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