KS（洛伦兹曲线）

最新推荐文章于 2023-12-08 19:20:28 发布

love1005lin

最新推荐文章于 2023-12-08 19:20:28 发布

阅读量2.9k

点赞数

分类专栏：机器学习文章标签：算法 python 机器学习人工智能

本文链接：https://blog.csdn.net/love1005lin/article/details/109478854

版权

KS（Kolmogorov-Smirnov）值用于评估模型区分正负样本的能力，其在[0,1]区间内，大于0.2则表明模型有较好预测准确性。KS值计算涉及TPR和FPR，TPR表示正例识别比例，FPR表示误判正例的比例。通过最大差值(max(TPR-FPR))确定KS值。此外，文章还介绍了如何绘制KS曲线，可以使用sklearn库辅助计算。" 129614663,7736659,Linux桌面环境详解：KDE、GNOME、Unity、MATE、Cinnamon比较,"['Linux桌面环境', 'Linux操作系统', '图形界面']

摘要由CSDN通过智能技术生成

KS（洛伦兹曲线）

KS(Kolmogorov-Smirnov)值越大，表示模型能够将正、负客户区分开的程度越大。KS值的取值范围是[0，1]

通常来讲，KS>0.2即表示模型有较好的预测准确性。

ks求解方法：

ks需要TPR和FPR两个值：真正类率(true positive rate ,TPR), 计算公式为TPR=TP/ (TP+ FN)，刻画的是分类器所识别出的正实例占所有正实例的比例。另外一个是假正类率(false positive rate, FPR),计算公式为FPR= FP / (FP + TN)，计算的是分类器错认为正类的负实例占所有负实例的比例。KS=max(TPR-FPR)。其中：
TP：真实为1且预测为1的数目
FN：真实为1且预测为0的数目
FP：真实为0的且预测为1的数目
TN：真实为0的且预测为0的数目

在这里插入图片描述

绘制ks曲线

利用公式自主实现fpr,tpr值，也可以导入sklearn.metrics import auc,roc_curve 模块计算

import numpy as np

import matplotlib.pyplot as plt
%matplotlib  inline

from sklearn.metrics import auc,roc_curve
from sklearn.metrics import confusion_matrix

# 真实类别
y = np.array([1,1,1,1,1,1,0,0,</