难度系数(5分制): 1
ROC的来源: Receiver Operating Characteristic Curve的简称;源于军事领域,在医学领域应用甚广;中文名叫“受试者工作特征曲线”;在机器学习中用来衡量二值分类器的性能;
ROC定义:
ROC曲线横轴为假阳性率=FP/N(假阳性个数/真实的负样本个数), 纵轴为真阳性率=TP/P(真阳性个数/真实的正样本个数),可以用来帮助二分类器确定合适的截断点(阈值);
以一个例子进行说明:假设有10为患者,其中3位患癌症(P=3),另外7人未患癌症(N=7);医院诊断结果为3人患癌症,七人健康,但其中两个人诊断正确(TP=2), 有一个健康人被误诊为癌症(FP=1);故真阳性率=2/3, 假阳性率为1/7;
绘制在图像上为(1/7, 2/3);
ROC绘制解释:
曲线上的【0,1】的数值表示不同的二分类器阈值,以(0.1, 0.2, 0.7)为例,表示当阈值为0.7时,模型的假阳性率为0.1, 真阳性率为0.2;ROC曲线绘制时从左至右为阈值1到0的递减,最左端为1,最右端为0;
用来反应二分类器在不同阈值时分类器分类的性能好坏;
【机器学习百问】4.什么是ROC曲线,如何绘制ROC曲线?
最新推荐文章于 2024-08-12 18:57:34 发布