颜色分类leetcode dsc 3 29 08 roc curves and auc nyc ds career 012819

pan_gang81306 2 0 zip 2024-10-05 18:10:44

颜色分类leetcode ROC曲线和AUC介绍

本课将介绍ROC:接收者操作特征曲线和AUC:曲线下面积。到目前为止,我们的一些准确度得分可能看起来非常令人印象深刻;第一次尝试时,80%的准确率似乎非常好!

我们必须记住的是,在预测二元分类时,我们有时肯定是对的,即使只是随机猜测。例如,在猜测硬币是否正面朝上时,我应该有大约50%的准确率。这也可能导致在调整模型时出现问题。如果您有一个包含罕见事件(例如疾病或中奖)的倾斜数据集,其中1000中只有2个阳性病例,那么即使是将所有内容都归类为“非会员”的微不足道的算法也将达到99.8%的准确率(1000次中有998次是正确的)。因此请记住,必须将80%的准确率考虑到更大的上下文中。

AUC是我们之前检查过的混淆矩阵的替代综合度量,ROC图使我们能够确定特定于我们正在寻求解决的特定问题的最佳精度-召回权衡平衡

目标:

你将能够:

  • 使用各种指标评估分类模型

  • 定义和理解ROCAUC

  • ROC曲线(Receiver Operater Characteristic曲线)

用户评论
请输入评论内容
评分:
暂无评论