Описание тега roc
Кривая рабочих характеристик приемника, или кривая ROC, представляет собой графическое изображение производительности классификатора, которое показывает компромисс между увеличением количества истинных положительных результатов (по вертикальной оси) и увеличением частоты ложных срабатываний (по горизонтальной оси) в качестве порога дискриминации классификатор разнообразен.
Уровень истинно положительных результатов, определяемый как доля истинных положительных результатов от положительных, также называется чувствительностью или отзывом. Частота ложных срабатываний, определяемая как доля ложных срабатываний по отношению к отрицательным, эквивалентна чувствительности 1.
В своей первоначальной форме кривая ROC использовалась для суммирования производительности задачи двоичной классификации, хотя ее можно расширить для использования в мультиклассовых задачах.
Ожидается, что классификатор, работающий случайно, будет иметь равные истинно положительные и ложные положительные результаты, что дает диагональную линию. Классификаторы, превышающие вероятность, образуют кривую над этой диагональю. Площадь под кривой (или AUC) обычно используется как сводка кривой ROC и как показатель эффективности классификатора. AUC равен вероятности того, что классификатор ранжирует случайно выбранный положительный случай выше, чем случайно выбранный отрицательный. Это эквивалентно ранговому тесту Вилкоксона.
Кривые ROC позволяют визуализировать и организовать работу классификатора без учета распределения классов или стоимости ошибок. Это может быть полезно при изучении обучения с искаженными распределениями или обучения с учетом затрат.
Полезное чтение включает: