机器篇——决策树(五) 细说评估指标的相关曲线(ROC、KS、PR)

最新推荐文章于 2024-06-10 06:30:00 发布

万道一

最新推荐文章于 2024-06-10 06:30:00 发布

阅读量6.3k

点赞数 3

分类专栏： AI章文章标签：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_38299170/article/details/103759794

版权

本文深入探讨了机器学习中评估模型性能的重要指标，包括ROC曲线、KS曲线和PR曲线。详细阐述了ROC曲线的定义、绘制过程、AUC的概念及其在模型比较中的作用。同时介绍了KS曲线如何帮助找到最佳阈值，以及PR曲线在不平衡数据集中的应用。文章旨在帮助读者全面理解这些评估工具并选择合适的评价标准。

摘要由CSDN通过智能技术生成

返回主目录

返回决策树目录

上一章：机器篇——决策树(四)

下一章：机器篇——决策树(六)

本小节，细说评估指标的相关曲线(ROC、KS、PR)，下一小节开始细说评估指标的交叉验证。

三. 评估指标

1. 混淆矩阵

混淆矩阵(confusion matrix) 也称为误差矩阵，是表示精度评价的一种标准格式，用 $\large n$ 行 $\large n$ 列的矩阵形式来表示。可以理解为就是一张表格而已。

下面以终端营销为例：

营销命中率 = $\LARGE \tfrac{1500}{2000} = 75\%$

营销误判率 = $\LARGE \tfrac{1000}{8000} = 12.5\%$

营销成功率 = $\LARGE \tfrac{1500}{2500} = 60\%$

2. ROC 曲线

(1). 定义

ROC 曲线(Receiver Operating Characteristic Curve, ROC) 又称接收者操作特征曲线，是描述分类预测模型命中率和误判率之间的一种图形化方法。

(2). 该曲线绘制了两个参数

①. 真正例率： $\large TPR$

$\LARGE TPR = \tfrac{TP}{TP + FN}$

最低0.47元/天解锁文章

关注

3
点赞
踩
22

收藏

觉得还不错? 一键收藏
0
评论
机器篇——决策树(五) 细说评估指标的相关曲线(ROC、KS、PR)

返回主目录返回决策树目录上一章：机器篇——决策树(四)下一章：机器篇——决策树(六)本小节，细说评估指标的相关曲线(ROC、KS、PR)，下一小节开始细说评估指标的交叉验证。三. 评估指标1. 混淆矩阵混淆矩阵(confusion matrix) 也称为误差矩阵，是表示精度评价的一种标准格式，用行列的矩阵形式来表示。可以理解为就是...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。