为什么我们在分类问题中想要最大化AUC?

我想知道为什么我们的目标是最大化AUC,因为最大化准确率似乎也能达到同样的效果?

我认为在追求最大化准确率的主要目标下,AUC自然会很大。


回答:

我猜我们使用AUC是因为它能够解释我们的方法在不依赖于阈值的情况下,能够多好地区分数据。对于某些应用,我们不希望出现假阳性或假阴性。而当我们使用准确率时,我们已经预先设定了最佳阈值来区分数据,而不考虑特异性和敏感性。

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