【机器学习】ROC曲线与PR曲线

最新推荐文章于 2024-01-09 16:47:23 发布
最新推荐文章于 2024-01-09 16:47:23 发布
阅读量515 收藏
点赞数
文章标签： 人工智能 python
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/weixin_46776511/article/details/127681197
版权
本文介绍了机器学习中用于评估模型性能的ROC曲线和PR曲线。混淆矩阵和评价指标如准确率、召回率、精准率是理解的基础。PR曲线关注正例的精准率和召回率，适合类别不均衡的情况，能直观展示模型性能变化。ROC曲线通过假正率和真正率描绘模型表现，AUC值越大表示模型性能越好，但对类别不均衡问题可能产生误导。在类别不均衡时，PR曲线更能反映模型的真实性能。
摘要由CSDN通过智能技术生成

一、前置概念

1.混淆矩阵
预测为Positive 预测为Negative
实际值为P TP FN
实际值为N FP TN

前一个字母：预测正确为T，预测错误为F；后一个字母：预测为正例为P，预测为负例为N。

2.评价指标

A准确率：\frac{TP+TN}{TP+FP+FN+TN}

所有样本里，预测正确的概率。当类别不均衡时，准确率高也不一定意味着模型好。

R召回率/查全率：\frac{TP}{TP+FN}

实际为正例的例子里，预测正确的概率。比如核酸检测时，更关注把真实的正例全部找出来，所以更关注召回率。更关注真实情况能被看清多少。

P精准率/查准率：

最低0.47元/天 解锁文章
取经小尼姑
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ROC曲线和PR曲线
qq_54915934的博客
11-02 259
在PR曲线中，以Recall（为x轴，Precision为y轴。在ROC曲线中，以FPR为x轴，TPR为y轴，FPR指实际负样本中被错误预测为正样本的概率。伪反例(False Positive): 指错误分类为正的样本数，实际为负，预测为正。伪反例(False Negative):指错误分类为负的样本数，实际为正，预测为负。真正例(True Positive)：指正确分类成为正的样本数，实际为正，预测为正。真反例(True Negative):指正确分类为负的样本数，实际为负，预测为负。
机器学习（一）PR曲线和ROC曲线
weixin_52833736的博客
10-17 1433
P-R曲线和ROC曲线
ROC曲线
linkequa的博客
10-11 1153
ROC曲线，即receiver operating characteristic curve, 接收器操作特性曲线。横坐标为1-specificity，纵坐标为sensitivity。拿患病来说，sensitivity就是本来有病，我们检测出来也是有病；specificity就是本来没病，我们检测出来也是没病。Sensitivity对应着真阳性，specificity对应着真阴性。那么ROC曲线的...
深度学习-AUC/PR计算
qq_16236875的博客
09-09 1802
1 AUC ：AUC 表示随机抽取一个正样本和一个负样本，分类器正确给出正样本的score高于负样本的概率，在所以标注样本中，正样本共T个，负样本共F 个，如果随机抽取一个正样本和负样本，共有T*F 个pair，其实如果有s个pair 的正负样本pair 满足于正样本的score 高于负样本(权重为1），v个pair 正负样本score 相同（权重为0.5），则AUC就等于(s+0.5v)/(T*...
AUCROC和AUCPR的区别
最新发布
m0_57236802的博客
01-09 586
AUCPR（Area Under the Precision-Recall Curve）和AUCROC（Area Under the Receiver Operating Characteristic Curve）都是分类模型性能的评估指标，但它们关注的方面有所不同，尤其在处理不平衡数据集时。总结来说，当面对不平衡数据集时，AUCPR通常是一个更合适的性能指标，因为它专注于模型对少数类（正例）的预测能力。而AUCROC可能会因为数据集中负例的数量庞大而隐藏模型在正例预测上的不足。
main_roc_python_AUC_PR曲线_ROC曲线_
09-29
在数据分析和机器学习领域，评估模型性能是至关重要的一步。标题"main_roc_python_AUC_PR曲线_ROC曲线_"和描述中的关键词涉及到的是使用Python语言进行模型评估时的两个关键指标：ROC曲线（Receiver Operating ...
整顿职场，从 ROC 曲线开始.pdf
08-12
ROC曲线和Precision-Recall（PR）曲线是评估机器学习模型性能的重要工具，尤其是在人工智能、深度学习和机器学习领域。这两种曲线主要用于衡量分类器在处理不平衡数据集时的表现。 ROC曲线，全称为Receiver ...
利用鸢尾花数据集画出P-R曲线 python
03-18
#演示目的：利用鸢尾花数据集画出P-R曲线 """ print(__doc__) import matplotlib.pyplot as plt import numpy as np from sklearn import svm, datasets from sklearn.metrics import precision_recall_...
python实现二分类和多分类的ROC曲线教程
12-17
在机器学习领域，二分类和多分类任务是常见的问题，其中评估模型性能的重要工具之一就是ROC曲线。ROC曲线全称为Receiver Operating Characteristic曲线，它主要用于评估一个二分类模型的性能，尤其是在类别不平衡的...
机器学习-高质量精讲.rar
08-27
3. **多模型ROC对比**：multi_models_roc.png可能表示了多种机器学习模型的ROC曲线比较，用于选择最佳模型。 4. **Python脚本**： - mian.py：这可能是一个主程序文件，包含了机器学习模型的构建、训练和评估代码...
ROC-AUC PR-AUC F1
weixin_42324904的博客
03-08 917
找到一篇论文代码浮现的时候人家用matplotlib画图。。。但是这个图片虽然美观但是到底是没有那一串串数字吸引人，比如这样的 然后我就把它改了，记录一下 from sklearn.metrics import precision_recall_curve from sklearn.metrics import f1_score from sklearn.metrics import precision_recall_curve from sklearn.metrics import roc_auc_
分类模型评估之ROC-AUC曲线和PRC曲线
热门推荐
皮皮blog
06-30 9万+
http://blog.csdn.net/pipisorry/article/details/51788927 ROC曲线和AUC ROC（Receiver Operating Characteristic，接受者工作特征曲线）曲线和AUC常被用来评价一个二值分类器（binary classifier）的优劣。博文介绍ROC和AUC的特点，讨论如何作出ROC曲线图以及计算AUC。 AUC是现...
神经网络常见评价指标超详细介绍（ROC曲线、AUC指标、AUROC）
Wendy的博客
06-06 2万+
ROC曲线：接受者操作特征曲线（receiver operating characteristic curve）。 ROC空间将伪阳性率（FPR）定义为 X 轴，真阳性率（TPR）定义为 Y 轴。 从 (0, 0) 到 (1,1) 的对角线将ROC空间划分为左上／右下两个区域，在这条线的以上的点代表了一个好的分类结果（胜过随机分类），而在这条线以下的点代表了差的分类结果（劣于随机分类）。...
ROC/AUC/PR解读
aaon22357的博客
05-10 2333
文章目录PR曲线（准确率-召回率曲线）ROC曲线如何绘制ROC曲线PR曲线和ROC曲线的对比AUCAUC更透彻的理解AUC和PR的区别 PR曲线（准确率-召回率曲线） 首先祭出这个表~ 真实的 正 真实的 反 预测的 正 TP FP 预测的 反 FN TN 准确率 precision＝TP/(TP+FP) 召回率 recall=TP/(TP+FN) ROC曲线 全...
ROC曲线/AUC值/PR曲线
qiang_GG2017的博客
05-21 4057
基本概念   prediction   fact True Positive False Negative TP+FN False Positive True Negative FP+TN   TP+FP FN+TN TP+FN+FP+TN TP:预
数学基础-Accuracy/Precision/Recall/F1
我要做全栈
08-05 460
ELMO
Sklearn机器学习——ROC曲线、ROC曲线的绘制和AUC面积、运用ROC曲线找到最佳阈值
qq_47250064的博客
09-03 1万+
介绍了如何平衡分类正确率和误判多数变成小数的成本的一个图像，ROC曲线（横坐标是假正率，纵坐标是Recall)。AUC曲线面积越大越好。
关于ROC曲线和AUC的知识小记
qq_41200212的博客
06-21 956
概述 很多分类器根据测试样本产生一个概率预测，然后将该预测值与阈值进行比较，高于阈值则被分类为正类，低于阈值则被分为负类。 AUC值是评价分类器的一个指标，全称是Area Under Curve，直译就是曲线下的面积。什么曲线呢，就是ROC曲线。 ROC曲线 要介绍AUC值，首先得介绍ROC曲线。ROC曲线起源于二战，广泛用于医学行业。想了解ROC的历史发展，点「链接」看，这里就不赘述。R...
ROC曲线详解及matlab绘图实例
开飞机的小毛驴儿
03-15 4万+
有关ROC曲线的内容转自wiki：https://zh.wikipedia.org/wiki/ROC%E6%9B%B2%E7%BA%BF，版权归原作所有 在信号检测理论中，接收者操作特征曲线（receiver operating characteristic curve，或者叫ROC曲线）是一种坐标图式的分析工具，用于 (1) 选择最佳的信号侦测模型、舍弃次佳的模型。 (2) 在同一
ROC曲线和PR曲线是什么
05-23
ROC 曲线和 PR 曲线都是用于评估二分类模型性能的指标，常用于机器学习领域。 ROC（Receiver Operating Characteristic）曲线是以真正率 (True Positive Rate, TPR) 为 y 轴，假正率 (False Positive Rate, FPR) 为...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值