Zrozumienie krzywych ROC w klasyfikacji binarnej
ROC oznacza charakterystykę operacyjną odbiornika. Jest to graficzne przedstawienie działania klasyfikatora binarnego, w szczególności kompromisu pomiędzy współczynnikiem prawdziwie dodatnim (Czułość) a współczynnikiem fałszywie dodatnim (1 – Swoistość). Krzywa ROC przedstawia odsetek prawdziwie dodatnich wyników w stosunku do odsetka fałszywie dodatnich przy różnych progach. Krzywa ROC może być używana do porównywania wydajności różnych klasyfikatorów, a także do oceny wydajności pojedynczego klasyfikatora w pewnym zakresie punktów pracy. Jest to przydatne narzędzie do oceny wydajności modeli uczenia maszynowego w zadaniach klasyfikacji binarnej.
To mi się podoba
To mi się nie podoba
Zgłoś błąd treści
Share
