为什么正负样本差距比较大的时候使用ROC曲线能比较准确的评估模型性能、auc和roc的关系以及为什么,auc能评判模型好坏

为什么正负样本差距比较大的时候使用ROC曲线能比较准确的评估模型性能、auc和roc的关系以及为什么,auc能评判模型好坏

混淆矩阵、横轴 实际正样本、实际负样本、纵轴预测正样本、预测负样本

enter description here
enter description here

PR曲线是什么、样本均衡的时候使用PR有什么好处

enter description here
enter description here

enter description here

ROC好处不均衡样本使用衡量较准确的原因

enter description here
enter description here

enter description here
enter description here

a,c为ROC曲线,b,d为PR曲线。(a)和(b)展示的是分类其在原始测试集(正负样本分布平衡)的结果,(c)(d)是将测试集中负样本的数量增加到原来的10倍后,分类器的结果,可以明显的看出,ROC曲线基本保持原貌,而PR曲线变化较大

enter description here
enter description here

auc是roc曲线的积分值,显示在tpr和fpr的关系、最理想肯定是tpr=1,fpr=0,所以auc是评判tpr和fpr关系的,值也叫阈值auc重叠取真值的最大阈值

enter description here
enter description here

如何画auc图

enter description here
enter description here

enter description here

posted @ 2020-04-13 01:07  vivia~  阅读(963)  评论(0编辑  收藏  举报