西瓜书

1.模型评估与选择

1.1 ROC与AUC

ROC的横轴为真正例率TPR，纵轴为假正例率FPR
定义为：TPR=\frac{TP}{TP+FN}，FPR=\frac{FP}{TN+FP}
ROC曲线的画法为：
给定m^+个正例和m^{-}个反例。根据学习器的预测结果对样例进行排序（即每个样本为正例的概率），然后把分类阈值调最大，即把所有样例均预测为反例，画出(0,0)点。之后依次按照每个样本的概率从大到小调整阈值，分别计算TPR和FPR，作出整个ROC曲线如下图。


可以看出，AUC的取值范围为[0.5,1]，越接近1，检测方法准确率越高，越接近0.5，则真实性越低，无使用价值。

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容