特异度和灵敏度的意思
ROC曲线的全称为Receiver Operating Characteristic Curve,中文翻译过来为受试者工作特征曲线,由于可以反映模型在选取相同阈值或不同阈值时候的模型敏感性和准确性的走向,也将该曲线称为感受性曲线(sensitivity curve)。接下来我们来看图[派对R][派对R]横坐标1-Specificity(FPR)是特异性,即假阳性率(False Positive Rate...
这是因为ROC曲线有一个很好的特性:当测试集中正负样本的比例发生变化的时候,ROC曲线能够保持不变。这样,当测试数据中正负样本的分布随时间而变化时,我们就可以通过ROC曲线来比较模型的性能。 ROC曲线和AUC的应用场景:在二分类模型中正例和负例同等重要的时候(需要比较模型的整体性能),或者当测试数据中正负样本的分布...
分类性能评估指标 — 理论篇 — TP、TN、FP、FN,precision、recall、F1、PR曲线,sensitivity、specificity,FPR、TPR、ROC曲线,程序员大本营,技术文章内容聚合第一站。
AP、mAP、F1 Score、PR曲线、ROC曲线 1. 基础概念 混淆矩阵: 通过研究该混淆矩阵,可以构造如下几个指标: (1) Accuracy(准确度): 意义:用于同时衡量分类器对于正负样本的分类正确性。 不足:当测试样本不平衡时,该指标会失去意义。例如:100个样本中负样本占有98个,那么分类器只需将所有样本分为负类即可达到98...
2. ROC曲线由于兼顾正例与负例,适用于评估分类器的整体性能(通常是计算AUC,表示模型的排序性能);PR曲线则完全聚焦于正例,因此如果我们主要关心的是正例,那么用PR曲线比较好。 3. ROC曲线不会随着类别分布的改变而改变。然而,这一特性在一定程度上也是其缺点。因此需要根据不用的场景进行选择:比如对于欺诈检测,每个...
2. ROC曲线由于兼顾正例与负例,适用于评估分类器的整体性能(通常是计算AUC,表示模型的排序性能);PR曲线则完全聚焦于正例,因此如果我们主要关心的是正例,那么用PR曲线比较好。 3. ROC曲线不会随着类别分布的改变而改变。然而,这一特性在一定程度上也是其缺点。因此需要根据不用的场景进行选择:比如对于欺诈检测,每个...