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
芯盾时代1 小时前
安全大模型智驱网络和数据安全效能跃迁
网络·人工智能·安全·网络安全
彩讯股份3006341 小时前
打造多模态交互新范式|彩讯股份中标2025年中国移动和留言平台AI智能体研发项目
人工智能
思通数科大数据舆情2 小时前
工业安全零事故的智能守护者:一体化AI智能安防平台
人工智能·安全·目标检测·计算机视觉·目标跟踪·数据挖掘·知识图谱
AI360labs_atyun2 小时前
2025 高考:AI 都在哪些地方发挥了作用
人工智能·科技·ai·高考
Yxh181377845543 小时前
短视频矩阵系统技术saas源头6年开发构架
人工智能·矩阵
m0_634448894 小时前
图上合成:用于大型语言模型持续预训练的知识合成数据生成
人工智能·语言模型·自然语言处理
Studying 开龙wu4 小时前
机器学习监督学习实战五:六种算法对声呐回波信号进行分类
学习·算法·机器学习
张较瘦_5 小时前
[论文阅读] 人工智能 | 利用负信号蒸馏:用REDI框架提升LLM推理能力
论文阅读·人工智能
1296004525 小时前
机器学习的可解释性
人工智能·深度学习·自然语言处理·transformer
何中应5 小时前
第一个人工智能(AI)问答Demo
java·人工智能·语言模型