AUC原理计算

最新推荐文章于 2024-08-23 00:53:11 发布

flee900

最新推荐文章于 2024-08-23 00:53:11 发布

阅读量1.2k

点赞数

本文链接：https://blog.csdn.net/misscrush/article/details/80090097

版权

本文总结了AUC原理，包括ROC曲线的概念，如何绘制ROC曲线以及AUC的计算方法。ROC曲线用于评估二值分类器的性能，其中（0,1）点代表最佳情况。通过排序预测值并计算不同阈值下的FPR和TPR，可以得到ROC曲线，并计算其下的面积即AUC，衡量分类器区分正负样本的能力。" 130255490,13234563,Python网络爬虫实战：Parsel库解析网页实战,"['Python', '爬虫', '网页解析']

摘要由CSDN通过智能技术生成

面试的时候回答的不清楚，学习&总结如下。
参考link

1.ROC曲线

对于二值分类器，评价指标主要有precision，recall，F-score(综合考虑precision和recall的调和值)

ROC曲线上的每个点反映着对同一信号刺激的感受性。横坐标FPR越大，预测正类中实际上负类越多。纵坐标TPR越大，预测正类中实际正类越多。所以最好的情况是（0,1）时。