python roc曲线_[Hulu百面机器学习]python实战系列(2.2)——ROC曲线

最新推荐文章于 2024-05-13 14:59:10 发布

weixin_39869733

最新推荐文章于 2024-05-13 14:59:10 发布

阅读量206

点赞数

文章标签： python roc曲线

本文链接：https://blog.csdn.net/weixin_39869733/article/details/111637543

版权

本文介绍了ROC曲线的概念及其在机器学习中的应用。ROC曲线源于军事，广泛用于医疗领域，通过假阳性率（FPR）和真阳性率（TPR）描绘模型性能。文章通过实例解释了如何绘制ROC曲线，并探讨了ROC曲线相较于P-R曲线的优点，特别是在样本比例失衡时的鲁棒性。最后，作者提供了相关代码并预告了后续内容。

摘要由CSDN通过智能技术生成

各位，想加公众号粉丝群的就先加微信：xiaoshida002，非诚勿扰，不准广告！

经过上一张的讲解，我们对基本的准确率精确率等概念有一个基本的了解：

Q1: 什么是ROC曲线？(1⭐)

ROC曲线全称是Reveiver Operating Characteristic Curve，它最初源于军事，后来在医疗广泛引用。其横坐标为假阳性率(FPR)，纵坐标是真阳性率(TPR)，其公式分别为：

其中N为真实负样本数量，P为真实正样本的数量。

为了直观说明FPR和TPR，举个例子说明(参考资料：2019年2月贵阳天气回顾(WMOID：57816))：

观测值\预测值	正	负	总和
正	89	15	104
负	45	75	120
总和	134	90	224

其中，FPR = 45 / 120 = 0.375，TPR = 89 / 104 0.8558。这样(0.375,

关注