这里仅谈个人对随机分类下ROC曲线的理解,即为什么随机分类时,AUC = 0.5?
若理解有误,恳请大佬指导↖(^ω^)↗
一、混淆矩阵:
二、ROC曲线:
横坐标:FPR = b1 / ( b1 + b2 ) = 预测为正,实际为负 / 总负样本数 = 负样本预测错误数 / 总负样本数
纵坐标:TPR = a1 / ( a1 + a2 ) = 预测为正,实际为正 / 总正样本数 = 正样本预测正确数 / 总正样本数 = 正样本的召回率
三、分类器
总样本:1000
正样本:100;占比10%(可以理解为随机抽取样本,为正样本的概率为10%)
负样本:900;占比90%
1、随机模