0
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。
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