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

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ROC和AUC

• ROC曲线（Receiver Operater Characteristic曲线）