1. 首頁 > 生活經驗 > >

roc曲線制作具體步驟 roc曲線教程

知識經驗


roc曲線制作具體步驟 roc曲線教程

文章插圖
大家好,小跳來為大家解答以上的問題 。roc曲線教程，roc曲線制作具體步驟這個很多人還不知道,現在讓我們一起來看看吧！
1、正因為我們比較關注正例的情形，所以設置了兩個相應的指標：TPR與FPR 。
2、TPR：True Positive Rate，將實際的1正確地預測為1的概率，d/(c+d) 。
3、FPR：False Positive Rate，將實際的0錯誤地預測為1的概率，b/(a+b) 。
4、TPR也稱為Sensitivity（即生物統計學中的敏感度） ， 在這里也可以稱為“正例的覆蓋率”——將實際為1的樣本數找出來的概率 。
5、覆蓋率是重要的指標，例如若分類的目標是找出潛在的劣質客戶（響應變量取值為1），則覆蓋率越大表示越多的劣質客戶被找出 。
6、類似地，1-FPR其實就是“負例的覆蓋率”，也就是把負例正確地識別為負例的概率 。
7、TPR與FPR相互影響，而我們希望能夠使TPR盡量地大，而FPR盡量地小 。
8、影響TPR與FPR的重要因素就是上文提到的“閾值” 。
9、當閾值為0時，所有的樣本都被預測為正例，因此TPR=1，而FPR=1 。
10、此時的FPR過大，無法實現分類的效果 。
11、隨著閾值逐漸增大，被預測為正例的樣本數逐漸減少，TPR和FPR各自減小，當閾值增大至1時，沒有樣本被預測為正例，此時TPR=0，FPR=0 。
【roc曲線制作具體步驟 roc曲線教程】12、由上述變化過程可以看出，TPR與FPR存在同方向變化的關系（這種關系一般是非線性的），即，為了提升TPR（通過降低閾值），意味著FPR也將得到提升，兩者之間存在類似相互制約的關系 。
13、我們希望能夠在犧牲較少FPR的基礎上盡可能地提高TPR，由此畫出了ROC曲線 。
14、ROC曲線的全稱為“接受者操作特性曲線”（receiver operating characteristic）當預測效果較好時 ， ROC曲線凸向左上角的頂點 。
15、平移圖中對角線，與ROC曲線相切，可以得到TPR較大而FPR較小的點 。
16、模型效果越好，則ROC曲線越遠離對角線，極端的情形是ROC曲線經過（0，1）點，即將正例全部預測為正例而將負例全部預測為負例 。
17、ROC曲線下的面積可以定量地評價模型的效果，記作AUC，AUC越大則模型效果越好 。
18、由于ROC曲線描述了在TPR與FPR之間的取舍，因此我一般將其理解為投入產出曲線 ， receive of cost 。
19、（事實上我理解錯了 。
20、相對而言lorenz曲線更適合這個名字 。
21、當然啦其實FPR可以理解為另一種cost 。
22、2010.10.15）當我們分類的目標是將正例識別出來時（例如識別有違約傾向的信用卡客戶），我們關注TPR，此時ROC曲線是評價模型效果的準繩 。
本文到此分享完畢，希望對大家有所幫助 。