如何獲得繪製遺傳算法分類器ROC曲線的分數？

我想獲得我用於項目的二元（好/壞）分類器的ROC曲線。該分類器使用遺傳算法進行預測。如何獲得繪製遺傳算法分類器ROC曲線的分數？

E.g.據說[1.0,0.5,0.4,0.7]給出的測試染色體如果與另一個染色體相匹配則被認爲是好的，例如[0.8,0.5,0.3,0.6]。通過匹配，我的意思是Euclidean distance值（來自其他染色體）低於特定值。

我已經完成了600個實例的分類，並且我有最終的混淆矩陣（通過這個矩陣我的意思是我們可以計算最終的TPR和FPR的四值表），正確的分類標籤每個實例以及每個實例的所有預測。

我看了一下ROC曲線本文檔，Receiver operating characteristic和Tools for Machine Learning Performance Evaluation: ROC Curves in Python。我如何繼續獲取ROC曲線？

隨着我最後的四值表，我想我只能繪製曲線中的一個點。上面附加的鏈接不斷提到我需要一個分數（即概率分數），但我不知道如何才能將這個分配給遺傳算法。但是，我如何使用每個實例的預測知識來創建一種連續的ROC曲線？免責聲明：我是ROC的新手，我在Python中對它進行編碼 - 因此，我附加了與Python相關的ROC文檔。

來源

2016-04-20 obiigbe91

ROC曲線是爲二元分類定義的 - 結果可以取兩個值。你有一個最小化問題，這不是ROC曲線的任務。 – Calimo

@Calimo，我沒有做最小化問題。它是一個二元分類。也就是說，如果一個實例與一個項目相匹配，那麼它就是正數。否則，它的消極。這不是二元分類嗎？我認爲你誤解了我所談論的內容：「如果距離低於某個程度......這只是一個匹配的標準，以確定何時說出否定或肯定的答案。我的模型非常利用GA的一種修改形式來執行一個任務（如分類），並沒有真正使用遺傳算法來執行最小化或最大化問題 – obiigbe91

否這不是二元分類的定義，二元分類是當你給兩個組中的一個或另一個分配一個觀察時，那麼你檢查分配是否正確在這裏，你有兩個以上的染色體，因此它不是二元分類 – Calimo

無論您如何創建分類器都無關緊要。最後，你的模型只是給出一個正面的標籤iff ||x - x_i|| < T，其中T是一些預定義的閾值。 ROC曲線參數化正好與這種東西 - 標量值，你可以改變，使事情更偏向於分類爲正面或負面。因此，簡單地通過T的多個值，計算每個值的度量標準，這將創建您的ROC曲線。就這樣！

來源

2016-04-20 22:43:49 lejlot

謝謝，我會我給出了一個嘗試，即迭代T的各種值並使用度量來繪製我的ROC曲線。 – obiigbe91

謝謝@lejlot我可以繪製ROC曲線。 – obiigbe91

如何獲得繪製遺傳算法分類器ROC曲線的分數？

回答

相關問題