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。
- 选择目标类别:默认按字母顺序选择第一个类别。
- 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。
- 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。
-
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