解答:ROC曲線下與座標軸圍成的面積
顯然這個面積的數值不會大於1。又由於ROC曲線一般都處於y=x這條直線的上方,所以AUC的取值範圍在0.5和1之間。AUC越接近1.0,檢測方法真實性越高;等於0.5時,則真實性最低,無應用價值。
主要作用:
1.ROC曲線能很容易的查出任意閾值對學習器的泛化效能影響。
2.有助於選擇最佳的閾值。ROC曲線越靠近左上角,模型的準確性就越高。最靠近左上角的ROC曲線上的點是分類錯誤最少的最好閾值,其假正例和假反例總數最少。
3.可以對不同的學習器比較效能。將各個學習器的ROC曲線繪製到同一座標中,直觀地鑑別優劣,靠近左上角的ROC曲所代表的學習器準確性最高。
優點:
1.該方法簡單、直觀、透過圖示可觀察分析學習器的準確性,並可用肉眼作出判斷。
2.ROC曲線不固定閾值,允許中間狀態的存在,利於使用者結合專業知識,權衡漏診與誤診的影響,選擇一個更加的閾值作為診斷參考值。
解答:ROC曲線下與座標軸圍成的面積
顯然這個面積的數值不會大於1。又由於ROC曲線一般都處於y=x這條直線的上方,所以AUC的取值範圍在0.5和1之間。AUC越接近1.0,檢測方法真實性越高;等於0.5時,則真實性最低,無應用價值。
擴充套件資料:主要作用:
1.ROC曲線能很容易的查出任意閾值對學習器的泛化效能影響。
2.有助於選擇最佳的閾值。ROC曲線越靠近左上角,模型的準確性就越高。最靠近左上角的ROC曲線上的點是分類錯誤最少的最好閾值,其假正例和假反例總數最少。
3.可以對不同的學習器比較效能。將各個學習器的ROC曲線繪製到同一座標中,直觀地鑑別優劣,靠近左上角的ROC曲所代表的學習器準確性最高。
優點:
1.該方法簡單、直觀、透過圖示可觀察分析學習器的準確性,並可用肉眼作出判斷。
2.ROC曲線不固定閾值,允許中間狀態的存在,利於使用者結合專業知識,權衡漏診與誤診的影響,選擇一個更加的閾值作為診斷參考值。