Что такое ROC-кривая и когда её используют?
Classic MLУровень: ПрактикаClassification
Что такое ROC-кривая и когда её используют?
Подсказки
- Выпишите TP, FP, TN и FN для небольшого примера.
- Разделите качество ранжирования, выбор порога и калибровку вероятностей. Какая ошибка дороже?
Ответ
ROC показывает TPR = TP/(TP + FN) по вертикали и FPR = FP/(FP + TN) по горизонтали при разных порогах. Она помогает оценивать компромисс между обнаружением положительных объектов и ложными срабатываниями. Это не кривая калибровки вероятностей. При редком положительном классе дополнительно смотрите precision–recall: высокий ROC-AUC может скрывать низкую точность положительных предсказаний. Рабочий порог выбирают с учётом цены ошибок.
Источник и лицензия: Alexey Grigorev & contributors — Data Science Interviews · CC-BY-4.0 · ответ: редакция Quantoros · перевод: Quantoros