什么是AUC?详解

目录

什么是AUC?

图片来源:https://towardsdatascience.com/understanding-auc-roc-curve-68b2303cc9c5

AUC(Area Under the ROC Curve)是一种用于评估二分类模型性能的指标 ,表示ROC曲线下的面积 。ROC(Receiver Operating Characteristic)曲线是一种以 False Positive Rate(FPR)为横坐标 、True Positive Rate(TPR)为纵坐标的曲线。

F P R = F P F P + T N FPR=\frac{FP}{FP+TN} FPR=FP+TNFP

T P R = T P T P + F N = R e c a l l TPR=\frac{TP}{TP+FN}=Recall TPR=TP+FNTP=Recall

在二分类问题中,TPR 表示正样本被正确预测为正样本的比例,即 Recall;FPR 则表示负样本被错误预测为正样本的比例。AUC 越大,说明分类器性能越好;AUC = 0.5,则说明分类器性能等同于随机分类。

在样本全为 TP(TN) 的情况下,由于 FPR(TPR) 无法计算,因此 ROC 曲线无法绘制,AUC(Area Under the ROC Curve)无法计算。

AUC 具有以下优点:

  1. AUC 不受分类器的阈值选择影响,因此对于不同的分类器比较性能更具有普适性。
  2. AUC 可以很好地应用于样本不平衡的情况,即当负样本比正样本多得多时,仍能准确评估分类器性能。
  3. AUC 的计算方法简单,只需要对 ROC 曲线下的面积进行计算即可。

如果觉得这篇文章有用,就给个赞 👍和收藏⭐️吧!也欢迎在评论区分享你的看法!


参考

相关推荐
火山引擎开发者社区7 分钟前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔36 分钟前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区41 分钟前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1231 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI1 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健1 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV2 小时前
Google 重返第一梯队
人工智能·google·aigc
十有八七2 小时前
手搓 Agent(五):学会翻书——RAG,先查资料再回答
前端·人工智能·后端
阿里云大数据AI技术2 小时前
阿里云 Milvus 场景中心|一键部署你的AI应用
人工智能
京东云开发者2 小时前
Agent 研发工作系统:面向多需求并行端到端开发的设计与实践
人工智能