ROC能够有效的评估算法的性能，默认情况下适用于二分类
可选的参数：
micro（微观）、macro(宏观)、weight(算该类在总数中的占比)
链接：https://scikit-learn.org/stable/modules/model_evaluation.html#from-binary-to-multiclass-and-multilabel
多分类ROC曲线——使用鸢尾花数据集进行测试
本文详细介绍了ROC曲线如何用于评估多分类算法的性能，特别是其在二分类问题中的默认应用。重点讨论了微观、宏观和权重平均等不同计算方式，并通过鸢尾花数据集进行了实例演示，帮助读者深入理解ROC曲线的绘制和分析过程。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
