机器学习笔记
latest
数据处理和数据可视化
数据可视化
数据预处理
特征
特征选择
特征工程 —— 时间
特征工程——文本
特征工程——图像特征
优化与评估
参数调优
模型评估——分类
混淆矩阵(Confusion matrix)
ROC曲线与AUC指标
模型评估——回归
算法
总览
Tips
Tips
机器学习笔记
Docs
»
模型评估——分类
Edit on GitHub
模型评估——分类
¶
通过绘制决策边界对分类器可视化十分有利,给定两个特征就可以绘制出分类边界
混淆矩阵(Confusion matrix)
¶
ROC曲线与AUC指标
¶
ROC曲线
:FPR(假正率)为X轴,TPR(真正率)为Y轴。由不同阈值为点所构成的曲线
AUC
: ROC曲线的线下面积, 越大分类效果越好
通常将AUC直接画到ROC曲线图上
Read the Docs
v: latest
Versions
latest
Downloads
htmlzip
On Read the Docs
Project Home
Builds
Free document hosting provided by
Read the Docs
.