模型评价与选择中如何用ROC曲线来判断代表的分类器的好坏呢？
已解决模型评价与选择中如何用ROC曲线来判断代表的分类器的好坏呢？
展开
收起
1
条回答
写回答
写回答
-
推荐回答用一个对角线表示随机猜测的一个分类的性能，比如说对于某一个固定的FPR，在一定FPR的基础上，如果这个分类器它的FPR越高则越好。所以我们利用这个曲线下面的面积来代表这个分类器的性能，即如果在固定的一个FPR的条件下，它的TPR越高，就意味着这个曲线下的面积越大.
因此就把这个ROC曲线下的这部分面积，叫作AUC也就是一个分类器，即它所对应ROC曲线的AUC面积越大，这个分类器就越好。
2022-07-31 23:13:54赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
