你画的图只有一个点是正常的! 如果你进一步了解ROC曲线的话.ROC曲线,一般适用于你的分类器输出一个“概率值”,即这个样本属于某个类的概率是多少.如此的话,你就需要设定一个阈值,大于这个阈值属于正类,小于这个阈值属于负类. 从而,对于这个阈值P0,就会得到对应的TPR,FPR,也就是ROC曲线上的一个点…… 你设置不同的阈值,就会得到不同的TPR,FPR,从而构成ROC曲线. 通常来说 阈值降低,即进入正类的门槛变低,TPR会变大,但是FPR也会变大,看他们谁变的快……
最后,利用ROC曲线( 分类器在不同的阈值下的分类状态),来比较 两个分类器谁好谁坏……平均意义上. 通过ROC曲线,我们也能找到最好的阈值……系统真正采用! 即最左上角那个.
综述,ROC曲线 有两个用处?:
对于分类器输出结果是一个概率值时,不是简单的0-1,非常有用. 还能 帮助我们选择 好的阈值for model.
对于正负样本 比例不均衡的时候,ROC曲线的效果,比P-R曲线效果好很多.（why?可以先思考一下,然后搜索得到ans. 假设就1个正例,100个负例）
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ：24596024