ROC結果解釋

我正在使用WKEA進行分類。我使用兩種算法adaboost和RBFNetwork。令人驚訝的這兩種算法都沒有關於我的數據表現良好，並給予下列結果：ROC結果解釋

    Adaboost  RBFNetwrok 
     Precision : 0    0 

     Recall  : 0    0 

     F1-score : 0    0 

    Accuracy : 91.36   91.36 

    ROC_AUC : 77.11   64.26

我們可以看到，兩者的算法給了相同的值4度（準確率，召回，F1-得分，精度），但他們給ROC_AUC的結果不同。

我無法理解，怎麼可能？我做錯了嗎？

請讓我知道。

來源

2016-12-30 Sangeeta

這是絕對正常的。 AUC在所有閾值內被整合，而精度則在單個閾值上被測量。這意味着ROC曲線可以看看完全不同，具有不同的AUC，但仍處於某個閾值（紅圈）都有一個共同的準確性：

來源

2016-12-30 15:21:53 Calimo

在分類我們採取的0.5閾值。現在，如果一個實例的置信度值大於等於0.5，我們預測它是一個正實例，否則我們將其預測爲負實例。這意味着，通過採用不同的閾值，我們可以獲得不同的準確度值。對於ROC-AUC也是如此？ – Sangeeta

您不必爲分類取0.5的閾值。這完全取決於你。這是ROC分析的重點：改變閾值，查看敏感性和特異性如何變化，並獲得所有閾值的平均值。 – Calimo

回答

相關問題