Welcome Guest. Sign in
Спросил: Дарья Климова 0 просмотров технологии
0 Votes 0 Votes 0 Votes
ROC-кривая (Receiver Operating Characteristic curve) — это график, который отображает зависимость между чувствительностью и специфичностью модели классификации при различных порогах. Чувствительность — это доля верно классифицированных положительных примеров, а специфичность — доля верно классифицированных отрицательных примеров. ROC-кривая позволяет оценить качество модели классификации в зависимости от выбранного порога и помогает выбрать оптимальный порог для конкретной задачи. AUC (Area Under the Curve) — это площадь под ROC-кривой и является количественной мерой качества модели классификации. AUC принимает значение от 0 до 1, где 0.5 соответствует случайному угадыванию, а 1 — идеальной классификации. Чем больше значение AUC, тем лучше модель классификации. Например, значение AUC равное 0.8 означает, что модель правильно классифицирует положительные и отрицательные примеры в 80% случаев.
- Сен 14, 2023 | Ответить
Ваш ответ
Вы Действующий пользователь Новичок? Зарегистрируйтесь!
Имя пользователя * Пароль *
Name *
Email *
Пароль *
Δ