一直在忙老师布置的事情,好久都没有更新了。最近在做一个用神经网络搭建模型的分类任务。识别的准确率还不错,当把代码交给师兄的时候,他叫我把分类模型的指标ROC和AUC弄出来,以前学的时候还没有听说过这个知识点。今天把这个整理一下写出来,加深记忆。
正文
对于分类器,或者说分类算法,评价指标主要有precision,recall,F-score1,这几个值可以参考这篇文章:
忆臻:谈谈召回率(R值),准确率(P值)及F值zhuanlan.zhihu.com以及即将要讨论的ROC和AUC。本文通过对这些指标的原理做一个简单的介绍,然后用python分别实现二分类的ROC曲线。
一 基本概念:
ROC和AUC是专门针对二分类任务,对于多分类任务并不适用。对于一个二分离预测问题,其结果要么是真(p),otherwise 是假(n)。在分类器的输出有4种