ROC結果の解釈

私は分類にWKEAを使用しています。私は2つのアルゴリズムadaboostとRBFNetworkを使用しています。驚くべきことに、これらのアルゴリズムの両方が私のデータにうまく実行し、以下の結果を与えていない：ROC結果の解釈

    Adaboost  RBFNetwrok 
     Precision : 0    0 

     Recall  : 0    0 

     F1-score : 0    0 

    Accuracy : 91.36   91.36 

    ROC_AUC : 77.11   64.26

我々はアルゴリズムの両方が4メートル（精度、リコール、F1スコア、精度）に同じ値を与えていることがわかりますしかし、彼らはROC_AUCのために異なった結果を与えています。

どうすればわかるのですか？私は間違いをしていますか？

お知らせください。

出典

2016-12-30 Sangeeta

これは絶対に正常です。 AUCは全ての閾値にわたって積分されるが、精度は単一の閾値で測定される。分類で

出典

2016-12-30 15:21:53 Calimo

我々は0.5のしきい値を取る：これは、ROC曲線が異なるAUCと、全く異なるように見えますが、まだいくつかのしきい値（赤丸）で、共通の精度を共有できることを意味します。ここで、インスタンスが0.5以上の信頼値を持つ場合、それを正のインスタンスとして予測します。それ以外の場合は、負のインスタンスとして予測します。これは、異なる値の閾値を取ることによって、異なる精度の値をとることができることを意味します。 ROC-AUCにも同じですか？ – Sangeeta

分類には、しきい値を0.5にする必要はありません。それはあなた次第です。これは、ROC分析の全ポイントです。しきい値を変更し、感度と特異度がどのように変化しているかを確認し、すべてのしきい値を平均します。 – Calimo

答えて

関連する問題