mlr3机器学习AUC的置信区间提取

如果你在mlr3拿到机器学习的预测数据

ROC 过程原理探索

假设数据

df <- data.frame(A=iris$Sepal.Length,

group=sample(x = c(0,1),size = 150,replace = T))

分组为 0,1 # 变量A为连续性变量

library(pROC)

roc_obj <- roc(df g r o u p , d f group, df group,dfA, levels = c(0, 1),ci=T)

auc(roc_obj)

ci.auc(roc_obj)

如果你直接在机器学习拿到预测数据

fit <- lm(df g r o u p d f group~df group dfA)

pre_df <- predict(fit,df)

roc_obj_2 <- roc(df$group, pre_df, levels = c(0, 1),ci=T)

auc(roc_obj_2)

相关推荐
bryant_meng33 分钟前
【Apache MXNet】
人工智能·apache·mxnet
UMI赋能企业2 小时前
企业视频库管理高效策略
大数据·人工智能
一念&3 小时前
今日科技热点 | AI加速变革,量子计算商用化,5G应用新机遇
人工智能·科技·量子计算
严文文-Chris3 小时前
【GPT-5 与 GPT-4 的主要区别?】
人工智能·gpt
过往入尘土4 小时前
计算机视觉:从 “看见” 到 “理解”,解锁机器感知世界的密码
人工智能
飞哥数智坊5 小时前
别再组团队了,AI时代一个人就能创业
人工智能·创业
严文文-Chris5 小时前
GPT5的Test-time compute(测试时计算)是什么?
人工智能
Java中文社群6 小时前
白嫖ClaudeCode秘籍大公开!超详细
人工智能·后端
MicrosoftReactor6 小时前
技术速递|使用 AI 应用模板扩展创建一个 .NET AI 应用与自定义数据进行对话
人工智能·.net
boooo_hhh6 小时前
第41周——人脸图像生成
机器学习