Orange3实战教程：评估---ROC分析

ROC 分析

绘制测试的真阳性率（TPR）与假阳性率（FPR）的关系曲线。

输入

• 评估结果：分类算法测试的结果

该部件显示测试模型的ROC曲线及对应的凸包，用于比较不同分类模型的性能。曲线以假阳性率（x轴，即1-特异性；表示真实值为0时预测为1的概率）与真阳性率（y轴，即敏感性；表示真实值为1时预测为1的概率）绘制。曲线越贴近ROC空间左上角，分类器越准确。在给定假阳性和假阴性成本的情况下，部件还可确定最优分类器及阈值。

1. 选择目标类别：默认按字母顺序选择第一个类别。
2. 选择分类器：若测试结果包含多个分类器，可勾选需显示的曲线。
3. 多轮测试数据的处理：例如k折交叉验证的结果，通常需要平均处理。

4. 平均选项：

   • 合并折叠预测（左上）：将所有测试数据视为单次迭代结