ROC, AUC ve KS

Kavram

ROC eğrisi farklı eşiklerde doğru pozitif oranını yanlış pozitif oranına karşı gösterir. AUC, rastgele seçilen bir olayın olay dışı gözlemden daha riskli sıralanma olasılığı olarak yorumlanır; eşit skorlar yarım katkı verir. Gini=2×AUC−1 aynı sıralama bilgisinin dönüşümüdür.

Bir örnek üzerinden

Bu modülde yüksek skor yüksek risk yönündedir. Dolayısıyla AUC yorumu P(skor_olay > skor_olay dışı) biçimindedir. Aynı skorları artan bir dönüşümle yeniden ölçeklemek ROC’yi değiştirmez; buna rağmen sayıların olasılık anlamı tamamen değişebilir.

Görsel üzerinden

Eşik kaydırıcısı ROC üzerinde bir çalışma noktası seçer. KS, iki sınıfın birikimli dağılımları arasındaki en büyük ayrımı gösterir. Bu ayrımın olduğu eşik, maliyetler veya kapasite açısından otomatik olarak en uygun karar eşiği değildir.

Yorumlama

AUC taban oranını doğrudan formülüne almaz; ama sınıf içi dağılımlar değişirse AUC de değişir. Nadir olaylarda kesinlik-duyarlılık görünümü daha tamamlayıcı olabilir. Bu teorik eğriler örneklem belirsizliği veya güven aralığı içermez.

Kapsam ve okuma

Bu modülün görselleri öğretim amaçlıdır. İlgili okuma: scikit-learn · Çapraz doğrulama. Açıklamalı kaynak dizini →