没有合适的资源?快使用搜索试试~ 我知道了~
颜色分类leetcode-ds-roc-auc-nyc-ds-100218:ds-roc-auc-nyc-ds-100218
共14个文件
png:5个
ipynb:2个
ds_store:2个
需积分: 9 0 下载量 132 浏览量
2021-07-06
23:09:51
上传
评论
收藏 891KB ZIP 举报
温馨提示
颜色分类leetcode AUC 和 ROC 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的过程中出现问题。 如果您有一个包含罕见事件(例如疾病或中奖)的偏斜数据集,其中 1000 个中只有 2 个阳性病例,那么即使是将所有内容都归类为“非会员”的简单算法也将达到 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。 有了这个,分析分类错误的另一种方法是使用 AUC,它代表“曲线下面积”。 你问什么曲线? Receiver Operater Curve (ROC Curve),它说明了我们分类器的误报率与误报率。 在训练分类器时,我们希望 ROC 曲线能够紧贴图形的左上角。 50-50 准确率的分类器被认为“毫无价值”; 这并不比随机猜测更好,就像抛硬币一样。 ROC 曲线为我们提供了这种假阳性率和
资源推荐
资源详情
资源评论
收起资源包目录
ds-roc-auc-nyc-ds-100218-master.zip (14个子文件)
ds-roc-auc-nyc-ds-100218-master
README.md 6KB
index_files
index_11_1.png 33KB
heart.csv 11KB
.learn 86B
index.ipynb 9KB
.ipynb_checkpoints
index-checkpoint.ipynb 9KB
images
logit_probs_cutoff.jpeg 21KB
prob_distro.png 5KB
roc_comp.jpg 18KB
poor_good_seperability.png 5KB
decision_boundary_recall_preferred.png 436KB
.DS_Store 6KB
decision_boundary_accuracy.png 386KB
.DS_Store 6KB
共 14 条
- 1
资源评论
weixin_38713203
- 粉丝: 11
- 资源: 942
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功