预测算法模型系列（八）

 算法验证评估

我们在做预测的时候都是把样本数据分成几个数据集，一个用来训练模型，另外一个或者两个用来验证模型，也就是验证这个最优权重是否可靠。

ROC曲线

算法好做，但是验证比较麻烦。我们准备好的一组样本数据并不是计算一次就ok了，我们需要反复计算，来得到ROC曲线，用验证数据集的所有数据计算一次就是ROC曲线上的一个点，如果我们想要一个有100个点组成的曲线，那么就要计算100次。

这里有一个关键点，就是每次计算都要修改一下判断条件。

啥判断？啥条件？

我们用验证数据和最优权重计算后得到了每组预测结果[y1, y2, y3 ...]，那别忘了这些预测结果都是0和1之间的数，我们要把他们归类成0或者1，对吧，归类就需要一个判断条件吧，大于等于一个数归类成1，小于这个数归类成0。如果每次验证都用同一个数，那出来的100个点数据都一样，ROC就是个直线。这不是我们想要的，所以要每次训练都改变一个数，我们可以使用【0、0.01、0.02、0.03 ....... 0.98、0.99、 1】这101个数进行验证，这样每次验证的准确率就会有变化，我们就有参考啦。如下图就是一组经过51次验证的ROC曲线图

什么是TPR什么是FPR呢？