AUC数值即为ROC曲线下的面积。ROC曲线从0点开始上升越快,说明模型错分正样本的比例越小,模型对正样本识别的能力越强。在ROC曲线的基础上,抛开阈值的调节,ROC曲线下半部分的面积值就是AUC值。AUC值介于0到1之间,是一种概率值。本质上AUC是在模型预测的数据集中,比较正负样本,评估正样本分数排在负样本之上的能力,进而估计模型对正样本预测的可信程度。
由于AUC指标能较好地概括不平衡类别的样本集下分类器的性能,因此成为很多机器学习系统中的最终判定标准。
基本目录如下:
-
什么是ROC曲线?
1.1 ROC曲线的历史
1.2 ROC曲线的定义
1.3 ROC曲线的应用场景
-
如何绘制ROC曲线?
2.1 ROC曲线的绘制原理
2.2 ROC曲线绘制的Python实现
什么是ROC曲线
1.1 ROC曲线的历史
自从读了吴军老师的《数学之美》,我就想明白了一件事情,如果想要讲明白一件事情,一定要把他的历史渊源都讲明白,这样我们才能对其理解透彻,而不是单纯学到会用就好~试想,有多少人在读这篇文章之前,会想到ROC曲线在军事上的运用呢?接下来,我就当一回搬运工,把ROC曲线的诞生渊源都捋一捋&#