以二分类问题为例:
假如:共有365个水果,只有两种类别,橙子和橘子.
准确率=分类正确数/365x100%
不足:假如365个水果当中有364个橙子,1个橘子。现有分类器,无论来什么水果都判定为橙子。准确率可达99.7%,但是显而易见这个模型根本没有判别能力。再换一组数据,准确率将直线下降。
上面这种现象称为label不平衡
以准确率判定模型是否优秀不够科学,所以引入ROC曲线。
以二分类问题为例:
假如:共有365个水果,只有两种类别,橙子和橘子.
准确率=分类正确数/365x100%
不足:假如365个水果当中有364个橙子,1个橘子。现有分类器,无论来什么水果都判定为橙子。准确率可达99.7%,但是显而易见这个模型根本没有判别能力。再换一组数据,准确率将直线下降。
上面这种现象称为label不平衡
以准确率判定模型是否优秀不够科学,所以引入ROC曲线。