К содержанию
Quantoros

Что показывает ROC-кривая и как интерпретировать AUC?

Classic MLУровень: БазаClassical machine learning

Что показывает ROC-кривая и как интерпретировать AUC?

Подсказки
  • Выпишите TP, FP, TN и FN для небольшого примера.
  • Разделите качество ранжирования, выбор порога и калибровку вероятностей. Какая ошибка дороже?

Ответ

ROC строит TPR против FPR при разных порогах. AUC характеризует ранжирование: вероятность поставить случайный положительный объект выше отрицательного с половинным учётом равных оценок. 1 означает идеальное ранжирование, 0.5 — отсутствие такого преимущества в среднем. При сильном дисбалансе дополнительно смотрите PR-AUC.

Источник и лицензия: Ishan Dutta — Awesome Data Science Interview Q&A · MIT · перевод: Quantoros

Похожие вопросы