首先,在试图弄懂AUC和ROC曲线之前,我们需要理解混淆矩阵的定义。
混淆矩阵中有着Positive、Negative、True、False的概念,其意义如下:
- 称预测类别为1的为Positive(阳性),预测类别为0的为Negative(阴性)。
- *预测正确的为True(真),预测错误的为False(伪)。对上述概念进行组合,就产生了如下的混淆矩阵:
然后,由此引出True Positive Rate(真阳率)、False Positive(伪阳率)两个概念:
⋅ TPRate =
首先,在试图弄懂AUC和ROC曲线之前,我们需要理解混淆矩阵的定义。
混淆矩阵中有着Positive、Negative、True、False的概念,其意义如下: