1、给定m个正例,n个反例,然后根据学习器预测结果对样例进行排序。
2、把分类阈值设为最大,即把所有样例均预测为反例,此时真正率(TPR=(TP/(TP+FN)),即被预测为正的负样本数 /负样本实际数)与假正率(FPR=(FP/(FP+TN)),即被预测为正的正样本数 /正样本实际数)均为0,在坐标(0,0)处标记一个点。
3、分别以每个样本被预测为正的概率作为阈值,计算出相应的真正率与假正率,设之前一个标记点坐标为(x,y),当前若为真正例,则对应标记点的坐标为(x,y+1/m),当前若为假正例,则对应标记点的坐标为(x+1/n,y),然后用线连接相邻点即可。 一般情况下,这个曲线都应该处于(0,0)和(1,1)连线(对应于随机猜测模型)的上方
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。