在模型中经常用到ROC,那么ROC的横纵坐标是什么?为什么使用这两个?使用ROC的好处到底是什么?一直困扰我,简单写下当前的理解。
ROC的横坐标的假正率,即FPR= FP/(FP+TN),纵坐标为真正率TPR = TP/(TP+FN).
重点在于这个横纵坐标。
图的画法可找相关文章,通过作图的过程,实际上是将数据划分为两块,即预测为正的一块和预测为负的一块,纵坐标主要衡量的是上面那一块的,得到的是正样本中有多少正预测对了,横坐标衡量下面那一块,那么在实际数据中,即使样本量翻倍了,也不会影响这个值,比方说正样本保持不变,负样本翻了10倍,那么在处理roc的时候,FP和TN都会成倍的增加,导致FPR并不会显著变化,同理TPR一样。
对ROC的个人理解
最新推荐文章于 2024-06-10 01:13:20 发布