颜色分类leetcode-dsc-3-29-08-roc-curves-and-auc-nyc-ds-career-031119...

颜色分类leetcode ROC 曲线和 AUC 介绍 本课将介绍 ROC：接收者操作特征曲线和 AUC：曲线下面积。 到目前为止，我们的一些准确度得分可能看起来非常令人印象深刻； 第一次尝试时，80% 的准确率似乎非常好！ 我们必须记住的是，在预测二元分类时，我们有时肯定是对的，即使只是随机猜测。 例如，在猜测硬币是否正面朝上时，我应该有大约 50% 的准确率。 这也可能导致在调整模型时出现问题。 如果您有一个包含罕见事件（例如疾病或中奖）的倾斜数据集，其中 1000 中只有 2 个阳性病例，那么即使是将所有内容都归类为“非会员”的微不足道的算法也将达到 99.8% 的准确率（1000 次中有 998 次是正确的）。 因此请记住，必须将 80% 的准确率考虑到更大的上下文中。 AUC 是我们之前检查过的混淆矩阵的替代综合度量，ROC 图使我们能够确定特定于我们正在寻求解决的特定问题的最佳精度 - 召回权衡平衡。 目标 你将能够： 使用各种指标评估分类模型 定义和理解 ROC 和 AUC ROC曲线 Receiver Operater Characteristic 曲线（ROC 曲线）