本篇文章紧接《《机器学习》周志华读书笔记(二)模型评估与选择(上)》,内容为2.3.3ROC与AUC开始讲起
2.3.3ROC与AUC
ROC全程“受试者工作特征”(Receiver Operating Characteristic)曲线,又称接受者操作特征曲线。该曲线最早应用于雷达信号检测领域,用于区分信号与噪声。后来人们将其用于评价模型的预测能力,ROC曲线是基于混淆矩阵得出的。
ROC曲线中的主要两个指标就是真正例率和假正例率。其中横坐标为假正例率(FPR),纵坐标为真正例率(TPR),借用上一篇文章中的表格,我们可以写出TPR和FPR的关系。
真实情况 | 预测结果 | |
正例 | 反例 | |
正例 | TP(真正例) | FN(假反例) |
反例 | FP(假正例) | TN(真反例) |
(真正例率,纵坐标)
(假正例率,横坐标)