颜色分类leetcode dsc roc curves and auc online ds sp 000:dsc roc cur

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，您遇到的一些准确度分数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！您必须记住的是，对于二元分类，有时您一定是对的，即使只是随机猜测。例如，一个人在猜测硬币是否落在正面上的准确率应该约为50%。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”的简单算法也将达到99.8% （1000次中有998次是正确的）。因此请记住，必须在更大的上下文中考虑80%的准确率。 AUC是混淆矩阵的替代综合指标，ROC图使我们能够确定特定于您要解决的问题的最佳精度-召回权衡平衡。目标你将能够：定义ROC曲线和AUC解释如何使用ROC和AUC来评估和选择模型ROC曲线接收者操作符特征曲线（ROC曲线）说明了我们分类器的真阳性率与假阳性率。您之前已经看过真实阳性率，它是召回的另