如果理解roc曲線的話，就很容易理解ks了。roc橫縱座標分別為fpr、tpr。
ks橫軸為閾值，縱軸為不同閾值下的tpr，fpr，ks值是max(tpr - fpr），即兩曲線相距最遠的距離
ks值含義
> 0.3
模型**性較好
0,2~0.3
模型可用
0~0.2
模型**能力較差
< 0
模型錯誤
徵信模型中，最期望得到的信用分數分布是正態分佈，對於正負樣本分別而言，也都是期望呈正態分佈的樣子。如果ks值過大，一般超過0.9，就可以認為正負樣本分的過開了。不太可能是正態分佈，反而是比較極端化的分布狀態（u字形，兩邊多，中間少），這樣的分數就不很好，基本可以認為不可用。
但如果模式的目的就是完美區分正負樣本，那麼ks值越大就表明分隔能力越突出。另外，ks值所代表的僅僅是模型的分隔能力，並不代表樣本是準確的。換句話說，正負樣本完全分錯，但ks值可以依然很高。
模型區分度衡量指標 KS值
ks曲線和roc曲線都用到了tpr，fpr。ks曲線是把tpr和fpr都作為縱座標，而樣本數作為橫座標。但是auc只評價了模型的整體訓練效果，並沒有指出如何劃分類別讓預估的效果達到最好。不同之處在於，ks取的是tpr和fpr差值的最大值。偽陽性率 fpr 判定為正例卻不是真正例的比率 真陽性率 tp...
分類模型的評價指標Fscore
小書匠 深度學習 分類方法常用的評估模型好壞的方法.假設我現在有乙個二分類任務,是分析100封郵件是否是垃圾郵件,其中不是垃圾郵件有65封,是垃圾郵件有35封.模型最終給郵件的結論只有兩個 是垃圾郵件與 不是垃圾郵件.經過自己的努力,自己設計了模型,得到了結果,分類結果如下 現在我們設定,不是垃圾郵...
分類模型效果評估指標
1 準確率 精確率 召回率 f1 score 我們以分類演算法為例，假設班裡有50個同學，其中男生30個，女生20個，我們根據身高 體重 頭髮長度 聲音分貝等等特徵，想找到所有女生，比如已經有這樣乙個分類器了，得到結果如下 這裡我們是要找到所有女同學，故把女同學作為正樣本 positive 男同學作...