auc是ROC曲线面积的直观理解

最新推荐文章于 2022-06-18 10:05:47 发布
最新推荐文章于 2022-06-18 10:05:47 发布
阅读量3k 收藏 9
点赞数 4
文章标签： auc 机器学习
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/hbsydsy/article/details/113913795
版权
AUC是ROC曲线的下部面积，代表随机选取一对正负样本，正样本得分大于负样本的概率。通过逐步增加阈值，ROC曲线描绘了分类器的表现。文章通过实例解释了ROC曲线的形成过程，说明AUC如何计算，并展示了预测错误对AUC的影响。
摘要由CSDN通过智能技术生成

AUC的定义是ROC曲线的下部的面积，概率意义是随机取一对正负样本，正样本得分大于负样本得分的概率。

这个概念直观上能看懂但是很难理解为什么和ROC曲线的下部面积有关，下面给出一个我直观上的理解

首先是ROC曲线绘制所用到的混淆矩阵

预测值 预测值
1 0
真实值 1 TP FN
真实值 0 FP TN

  • 混淆矩阵

  • TPR = TP / (TP + FN)

    • 所有真实类别为1的样本中，预测类别为1的比例

FPR = FP / (FP + TN)

    • 所有真实类别为0的样本中，预测类别为1的比例

假如我们有一组预测值和真实值，概率大小从大到小已经排列好

P1 P2 P3 P4 N1 N2 N3 N4
0.9
最低0.47元/天 解锁文章
草莓水鬼
关注
【机器学习】了解 AUC - ROC 曲线
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。
ROC曲线及AUC值
林景的博客
09-12 4959
ROC曲线 参考文献：【ROC曲线与AUC值】 1. 介绍及引入 ROC的全名叫做Receiver Operating Characteristic，其主要分析工具是一个画在二维平面上的曲线——ROC curve。 平面的横坐标是false positive rate(FPR)，即假阳性率（1−Sp1-Sp1−Sp）； 纵坐标是true positive rate(TPR)，即真阳性率（SnSnSn）。 对某个分类器而言，我们可以根据其在测试样本上的表现得到一个TPR和FPR点对。这样，此分类器就可以映射成
ROC曲线，AUC面积
dili8870的博客
03-24 3341
　　AUC(Area under Curve)：Roc曲线下的面积，介于0.1和1之间。Auc作为数值可以直观的评价分类器的好坏，值越大越好。 　　首先AUC值是一个概率值，当你随机挑选一个正样本以及负样本，当前的分类算法根据计算得到的Score值将这个正样本排在负样本前面的概率就是AUC值，AUC值越大，当前分类算法越有可能将正样本排在负样本前面，从而能够更好地分类。 1. 什么是...
ROC曲线和AUC面积理解
yisun123456的博客
11-25 239
https://blog.csdn.net/program_developer/article/details/79946787
ROC曲线与AUC面积
shenzhiping12的博客
06-24 316
https://blog.csdn.net/Orange_Spotty_Cat/article/details/82425113
大数据：一张图读懂为什么AUC等于ROC曲线下的面积（或者说AUC的物理意义是：预测的正例排在负例前面的概率）？
陈泊舟的博客
09-17 4873
ROC和AUC 根据定义，AUC是ROC曲线下面积 AUC的物理意义为：正例的判定值大于反例的判定值的概率 根据物理意义，AUC的计算公式为：∑1≤i≤m∑1≤j≤n(P[i]−P[j]∣P[i]−P[j]∣+12)m∗n\frac{\sum_{1 \leq i \leq m}\sum_{1\leq j \leq n}(\frac{\frac{P[i]-P[j]}{|P[i]-P[j]|} + 1}{2})}{m * n}m∗n∑1≤i≤m​∑1≤j≤n​(2∣P[i]−P[j]∣P[i]−P[j]​+1
分类算法如何绘制roc曲线_机器学习性能指标之ROC和AUC理解与曲线绘制
weixin_29102619的博客
12-24 2222
一. ROC曲线1、roc曲线：接收者操作特征(receiveroperating characteristic),roc曲线上每个点反映着对同一信号刺激的感受性。横轴：负正类率(false postive rate FPR)特异度，划分实例中所有负例占所有负例的比例；(1-Specificity)纵轴：真正类率(true postive rate TPR)灵敏度，Sensitivity(正类覆盖...
AUC与ROC曲线面积的意义(细扒sklearn的AUC计算方法)
ywj_1991的博客
05-10 1万+
本文我们详细介绍什么是AUC、ROC，和AUC的具体计算逻辑、实现代码，以及AUC的使用经验值。
ROC曲线面积AUC详解
午夜阳光
06-09 1万+
一、roc曲线 1.roc曲线：接收者操作特征(receiver operating characteristic), roc曲线上每个点反映着对同一信号刺激的感受性。 横轴：负正类率(false postive rate FPR)特异度，划分实例中所有负例占所有负例的比例；(1-Specificity) 纵轴：真正类率(true postive rate TPR)灵敏度，Sensitivity(正类覆盖率) 2. 针对一个二分类问题，将实例分成正类(postive)或者负类(negative)。但
AUC:ROC曲线面积
u013215956的博客
02-22 214
ROC曲线： 什么真阳率，假阳率的那么难理解。 我的理解： ROC曲线横坐标是，所有负样本中预测为正样本的比例；纵坐标是所有正样本中预测为正的比例。 例如有样本label序列：1 0 1 1 0 0 1 预测的样本label序列：1 0 0 1 0 1 0 横坐标：1/3（3是负样本总数，1表示有一个负样本预测为正） 纵坐标：2/4（4是正样本总数，2表示有两个正样本预测为...
ROC曲线面积计算
qiaoxyxj的博客
11-03 5199
在binary classification model中，ROC或称AUC作为一种常用的技术，有两个优点：不随真实情况的事件改变、不随分类错误的相对成本改变，因此当future incidents、relative cost of classification errors或两者都不稳定或未知时，ROC是很好的选择。 ROC曲线面积的值在0.5-1之间，0.5表示完全不确定，分类随机，一般0.65-0.85之间表示模型较好。 建立binary classification model后，我们的目的是va
评价指标 | ROC曲线和AUC面积理解
小白学视觉
06-18 1717
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达目录：（1）ROC曲线的由来（2）什么是ROC曲线（3）ROC曲线的意义（4）AUC面积的由来（5）什么是AUC面积（6）AUC面积的意义（7）讨论：在多分类问题下能不能使用ROC曲线一、ROC曲线的由来很多学习器是为测试样本产生一个实值或概率预测，然后将这个预测值与一个分类阈值进行比较，若大于阈值则分...
对AUC计算公式和几何意义的理解
Peter的脱发日记
05-18 1万+
关于AUC的一些理解1. AUC（Area Under ROC Curve）是对机器学习模型的一种性能度量，其直观的意义是ROC（Receiver Operating Characteristic）围成的面积，然而很多文章对AUC的计算公式与其直观意义“面积”的对应描述不甚明了，于是我花了一些时间研究了AUC的计算公式和几何意义，全是我个人理解，如有不对，还望指出。 本文代码在 https:...
ROC曲线下面积的相关计算和检验
→★佐佑思维★←
12-28 1万+
《ROC曲线下面积的计算方法》 1、ROC曲线的含义 2、ROC曲线下面积的估计：双正态参数法 3、AUC的最大似然估计 4、面积的置信区间估计 5、delta方法 6、AUC非参数检验结合实例理解检验过程 ROC是受试者工作特征（Receiver Ope rating Characteristic）的缩写。ROC曲线及ROC曲线下面积可作为某一诊断方法准确性评价的指标；通过对同一疾病的多种诊断试验分析比较，这些指标可帮助临床医生筛选出最佳诊断方案。国内外许多学者通过对不同类型资料进行研究，相继提出了ROC
ROC曲线详解
热门推荐
IT修道者的专栏
10-21 2万+
ROC曲线指受试者工作特征曲线 / 接收器操作特性曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线，曲线下面积越大，诊断准确性越高。在ROC曲线上，最靠近
【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..
对AUC计算公式和几何意义的理解(详细版)
weixin_30296405的博客
06-06 421
对AUC的一些理解1.AUC（Area Under ROC Curve）是对机器学习模型的一种性能度量，其直观的意义是ROC（Receiver Operating Characteristic）围成的面积，然而很多文章对AUC的计算公式与其直观意义“面积”的对应描述不甚明了，于是我花了一些时间研究了AUC的计算公式和几何意义，全是我个人理解，如有不对，还望指出。 本文代码在 https://git...
评论 2
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
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