AUC本質上反應的是分類器對樣本的排序能力

2022-06-07 05:06:09 字數 547 閱讀 3607

實際上auc和mann-whitney u test有密切的聯絡。從 mann-whitney u statistic的角度來解釋, auc就是從所有1樣本中隨機選取乙個樣本, \(\quad\) 從所有0 樣本中隨機選取乙個樣本,然後根據你的分類器對兩個隨機樣本進行**,把1樣本**為1的概率 為p1,把0樣本**為1的概率為p0, \(\mathrm 1>\) p0的概率就等於auc。所以auc反應的是分類器對樣本的排序能力。根據這個解釋, 如果我們完全隨機的對樣本分類, 那麼auc應該接近0.5。另外值得注意的是, auc對樣本類別是否均衡並不敏感, 這也是不均衡樣本通常用auc評價分類器效能的乙個

原因。知乎

from sklearn import metrics

def aucfun(act,pred):

fpr, tpr, thresholds = metrics.roc_curve(act, pred, pos_label=1)

return metrics.auc(fpr, tpr)

指標本質上是一串數字

2 int a b int a b 區別 int a b 把b的值賦值給指標a a 結論 理解 unsigned int pdwdest unsigned int 0x30000000 1 pdwdest 0x2410 2這個的意思就是1 unsigned int 0x30000000 強制轉換 0...

Android Wear缺少本質上的創新

3月19日,google正式宣布推出面向穿戴領域的android wear 專案,該專案一經推出即受到 的廣泛關注。android wear廣受關注的原因在於,它是第乙個由巨頭推出的面向穿戴領域的 可穿戴作業系統 其次在於它的推出時機,在這個可穿戴市場最火熱又最混亂的時候,它的推出讓人看到希望,也讓...

Android Wear缺少本質上的創新

3月19日,google正式宣布推出面向穿戴領域的android wear 專案,該專案一經推出即受到 的廣泛關注。android wear廣受關注的原因在於,它是第乙個由巨頭推出的面向穿戴領域的 可穿戴作業系統 其次在於它的推出時機,在這個可穿戴市場最火熱又最混亂的時候,它的推出讓人看到希望,也讓...