为什么ROC-AUC曲线中的假阳性率和真阳性率不加起来等于一?

假阳性率是横轴,从0到1。真阳性率是纵轴,也从0到1。图表显示的数据点如(.8,.8)。如果真阳性率是0.8,假阳性率也是0.8,它们加起来就是1.6…


回答:

通常情况下,轴是通过测试/验证集中总的假阳性或真阳性的数量进行归一化的。否则,曲线的末端不会是1/1。我个人更喜欢通过实例数量来标记轴。

为什么不通过总数进行归一化呢?在实际应用中,这会变得相当复杂,因为你通常没有所有例子的标签。ROC曲线的典型例子是大规模邮件发送。要正确归一化曲线,你需要向全世界发送垃圾邮件。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注