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。

  1. 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
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

err2008

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值