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。
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。