Меню
Все темы
Поиск:
- Все
- А
- Б
- В
- Г
- Д
- Е
- Ё
- Ж
- З
- И
- Й
- К
- Л
- М
- Н
- О
- П
- Р
- С
- Т
- У
- Ф
- Х
- Ц
- Ч
- Ш
- Щ
- Э
- Ю
- Я
- Все
- A
- B
- C
- D
- E
- F
- G
- H
- I
- J
- K
- L
- M
- N
- O
- P
- Q
- R
- S
- T
- U
- V
- W
- X
- Y
- Z
- ROC AUC
- ROC AUC — характеристика качества предсказания бинарного классификатора. По сути, это вероятность того, что классификатор присвоит больший вес объекту, действительно имеющему этот признак, чем объекту ошибочному. Следовательно, этот показатель может варьироваться в пределах от 0 до 1. Если ROC AUC близок к 0,5, то классификатор работает плохо, так как он с одинаковой вероятностью присваивает веса как искомым объектам, так и ложным. Чем ближе ROC AUC к 1, тем правдоподобней будут предсказания. Если же ROC AUC ниже 0,5, то классификатор, по всей видимости, работает с точностью до наоборот — с большей вероятностью будет классифицировать ложные объекты как искомые, а искомые — как ложные.
