颜色分类leetcode dsc roc curves and auc

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！ 但您必须记住，对于二元分类，有时即使是随机猜测也可能会有正确结果。 例如，一个人在猜测硬币正反面的准确率大约为50%。对于倾斜的数据集，比如包含罕见事件的情况（例如疾病或中奖），即使简单算法将所有样本归类为“非阳性”，其准确率也可能高达99.8%。 因此，我们应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图帮助我们找到精度和召回率之间的最佳平衡。 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曲线显示了分类器的真阳性率与假阳性率的关系。