ROC 曲線的閥值是什麼意思? - Cupoy

如題，模型不是已經給定了嗎，閥值是調了什麼呢？ 我查到的資料是這個：https://zh.wikipedia.org/zh-tw/ROC曲线

回答列表

• 2019/05/20 下午 01:31
  陳明佑 (Ming You Chen)
  贊同數：1
  不贊同數：0
  留言數：0

  所有分類器輸出, 都會有兩種

  一種是分類預測(.predict), 以二元分類來說, 就是 0 或 1

  另一種是類別的機率(.predict_proba), 有N種分類就該有N組機率, 同一筆資料的機率總和應該是 1

  二元分類是其中的特例 : 本來該有2組機率, 但因為加起來為1, 因此只要留一組就好了

  
  

  回到問題 : 閥值是什麼?

  如果你的應用, 只需要"分類預測"而非機率, 

  那麼你可以設定一個值(例如 0.3), 大於這個數就分類為1, 小於就分類為0

  這裡的 0.3 就稱為閥值, 我們會因為不同應用去調整閥值

  例如 : 指紋辨識 - 閥值要很高, 因為錯放的代價很高

  抗體健檢 - 閥值可以低一點, 因為偽陽性可以再做檢查就好

  註 : sklearn 的分類預測是看哪一類別的機率高, 因此可以理解為閥值 = 0.5

• 2019/05/20 下午 01:36
  Jimmy
  贊同數：1
  不贊同數：0
  留言數：0

  Hi robert!

  
  

  平常我們在計算 accuracy 時，要先設定一個閥值，將原本的機率值轉變為標籤數字，例如機率 > 0.5，那就判定為 1，< 0.5 則判定為 0。所以在貳分類問題中， 0.5 的閥值是個很常用的值。

  
  

  但這個值可以調整的，如果調整成 > 0.3 就判定成 1， < 0.3 判定成 0 也是可以，但可能會造成較多的誤報 (False Positive)，AUC 就是在衡量在不同的閥值對 True Postive/ False Positive 的影響，透過不同閥值計算出 TP/FP ，然後畫出一條曲線，再計算曲線下的面積得到 AUC