什麼是ROC曲線？

ROC代表接受者操作特徵曲線（Receiver Operating Characteristic）。ROC曲線是分析兩個分類模型的便捷視覺化工具。ROC曲線起源於二戰期間為搜尋雷達影像而產生的訊號檢測理論。

ROC曲線顯示了給定模型的真陽性率或靈敏度（識別出的陽性元組的比例）與假陽性率（錯誤地將陰性元組識別為陽性元組的比例）之間的權衡。

在給定的二元分類問題中，它使我們能夠預測模型準確識別“是”案例的比率與它錯誤地將“否”案例識別為“是”案例的比率之間的權衡，這適用於測試集的多個“部分”。真陽性率的增加伴隨著假陽性率的增加。ROC曲線下的面積是模型準確性的評估指標。

對於給定的分類模型M，要繪製ROC曲線，該模型應該能夠返回每個測試元組的預測類別的機率或排序。需要按降序排列測試元組，其中分類器認為通常屬於陽性或“是”類的元組位於列表頂部。

樸素貝葉斯和反向傳播分類器是合適的，而包括決策樹分類器，可以簡單地修改以針對每個預測返回類機率分佈。ROC曲線的縱軸定義了真陽性率。橫軸定義了假陽性率。M的ROC曲線繪製如下。

它從左下角開始（真陽性率和假陽性率均為0），可以測試列表中第一個元組的實際類別標籤。如果它是真陽性（即正確識別的陽性元組），則在ROC曲線上，它可以向上移動並繪製一個點。

它顯示了兩個分類模型的ROC曲線。該圖還顯示了一條對角線，對於該模型的每個真陽性，通常會遇到一個假陽性。

因此，模型的ROC曲線越接近對角線，模型的效率越低。如果模型是最佳的，則當它向下移動排序列表時，它可能會遇到真陽性。因此，曲線可以從零點陡峭地上升。隨後，當它開始遇到越來越少的真陽性和越來越多的假陽性時，曲線趨於平緩。

基尼

更新於：2022年2月16日

1K+ 次瀏覽

啟動您的職業生涯

透過完成課程獲得認證

開始