数据挖掘中的ROC曲线
来源:互联网 发布:打击电信网络诈骗标语 编辑:程序博客网 时间:2024/05/16 06:58
基本术语
- 真阳性(TP, true positive):预测为真,实际上也为真。
- 伪阳性(TN, true negative):预测为真,实际却为假。
- 真阴性(FP, false positive):预测为假,实际上也为假。
- 伪阴性(FN, false negative):诊断为假,实际却为真。
1、真正率(TPR, true positive rate),即命中率
TPR = TP / P = TP / (TP+FN)
2、假真正率(FPR, false positive rate),即错误命中率、假警报
FPR = FP / N = FP / (FP + TN)
3、准确度(ACC, accuracy)
ACC = (TP + TN) / (P + N)
roc空间
ROC空间将伪阳性率(FPR)定义为 X 轴,真阳性率(TPR)定义为 Y 轴。也即是一个(0,0)到(1,1)的二维坐标空间。
例如:
一个二元分类器,对于一个样本数为N的样本空间,每个样本x被预测为真(1)的概率为P(x)。即选择一个阈值P(0),
使得P(x)>P(0)的样本被预测为真(1),且样本数为m。而实际该样本空间中,表现为真(1)的个数为n。这样就得到,
TPR = m/n,FPR = (N-m)/(N-n),即在roc空间中,该点表示为(m/n,(N-m)/(N-n))。
roc曲线
根据上述描述关于roc空间的原理,通过改变不同的阈值P(k),k=0,1,2···k。根据
P(x)>P(k)得到m(k),即可得到点(m(k)/n,(N-m(k))/(N-n)),从而在roc空间里绘出roc曲线。
- 数据挖掘中的ROC曲线
- 数据挖掘-分类器的ROC曲线及相关指标(ROC、AUC、ACC)详解
- 数据分析学习之roc曲线
- 广告计算中的AUC和ROC曲线
- 广告计算中的AUC和ROC曲线
- ROC曲线及facenet中的使用
- ROC曲线
- ROC曲线
- ROC曲线
- ROC曲线
- ROC 曲线
- ROC曲线
- ROC曲线
- ROC曲线
- ROC曲线
- ROC曲线
- ROC曲线
- ROC曲线
- 重玩星号图1
- HDU 4435 charge-station - from lanshui_Yang
- 枚举类型
- Android入门之Fragment用法
- oracle job没有运行
- 数据挖掘中的ROC曲线
- html基本知识和网站seo优化
- 提高编程效率的14件事
- UVA 106Fermat vs. Pythagoras(数论)
- 输入金字塔形状的“*”
- read links -- sentiment
- 两个大数相乘、精度很高的小数相乘(小数点后位数没有限制,请写一个高精度算法)
- 天天逛分享平台(www.365guang.net)分享平台招商平台正式启动,诚邀各位的加入
- jQuery EasyUI DataGrid Checkbox 数据设定与取值