ROC曲线面积计算

最新推荐文章于 2022-10-06 15:41:29 发布

原创

最新推荐文章于 2022-10-06 15:41:29 发布 · 5.2k 阅读

2 ·

CC 4.0 BY-SA版权

ROC曲线和AUC在二分类模型评估中扮演重要角色，因其独立于事件发生率和错误分类代价。AUC值介于0.5和1之间，0.65-0.85表示良好模型。通过调整参数最大化训练集上的ROC，以找到最优模型。举例说明，7个事件按预测评分排序，设置不同阈值计算假阳性率和真阳性率，绘制ROC曲线，得到面积为0.917，展示模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在binary classification model中，ROC或AUC作为一种常用的技术，有两个优点：不随真实情况的事件改变、不随分类错误的相对成本改变，因此当future incidents、relative cost of classification errors或两者都不稳定或未知时，ROC是很好的选择。

AUC的值在0.5-1之间，0.5表示完全不确定，分类随机，一般0.65-0.85之间表示模型较好。

建立binary classification model后，我们的目的是vary parameters to maximize ROC on a sample set with known outcome，这个set叫做training set。

一个计算ROC曲线面积的例子：