ROC又叫受试者工作特征曲线。它是用来验证一个二分类器模型的性能指标,也就是说,给出一个模型,输入一个模型,输入已知正负类的一组数据,并通过对比模型对改组数据进行的预测,衡量这个模型的性能。
相关内容如下图:
ROC曲线如何画?
1.给定一个初始阈值(一般是从0%开始)
2.根据分类结果画上图中第一个表格,然后根据上面的式子算法TPR和FPR。由TPR和FPR可以确定一个点,在图中画出
3.给一个新的阈值,并重复步骤2、3,直到阈值取到100%
4.若干个点最后组成了ROC曲线。
注意:
1.FPR=1-TNR。也是1-特异性,该指标的值越小越好
2.TPR的值越大越好
3.最大的阈值,在不考虑权重的情况下,应当是使得TPR最大且“1-特异性”指标相对较小的值
4.ROC曲线应该在y=kx之上
5.AUC的值总是大于0.5,小于1.0
6.可以通过约登指数(TPR+1-FPR)取得最大时的阈值来确定一个分类器合适的阈值
7.ACC称作“准确率”,