Day30 範例 - Cupoy

2019/05/27 上午 00:03

機器學習共學討論版

辛普恩

觀看數：12

回答數：4

收藏數：0

ml100-2

ml100-2-d30

請問ROC curve這張圖要怎麼解讀？

畫了一條斜直線的目的是？

回答列表

• 2019/05/27 上午 10:12
  Jimmy
  贊同數：2
  不贊同數：0
  留言數：0

  Hi 辛普恩！

  
  

  ROC 是在觀察，不同的閾值對於 Ture Positive rate / False Positive rate 的影響程度，線越往左上方靠近，模型的預測準確率會好，中間那條斜直線代表亂猜的 baseline，如果模型表現得與亂猜差不多，畫出來的曲線就會很貼近斜直線

• 2019/05/27 上午 10:15
  張維元 (WeiYuan)
  贊同數：0
  不贊同數：0
  留言數：0

  中間那條虛線代表跟隨機預測的結果差不多，預測得極果一半對、一半錯。圖看的看法是離左上角越近的點預測準確率越高。離右下角越近的點，預測越不準。

• 2019/05/30 上午 00:59
  Seanyu.TW
  贊同數：1
  不贊同數：0
  留言數：0

  Hi, ROC 的虛線代表的是，從訊號偵測理論來解釋的話，你的真實目標 (stimuli) 跟雜訊 Noise 兩個分布分不開來，於是從分布圖上的任何一個 c (threshold) 切下去要分出哪邊是 target / non-target 時，正確的機率是一半一半。  

  所以，我想對於 AUC 的正確解釋應該是：假設你隨機從整個群體中取得一筆資料，你能正確指出該筆資料為來自目標分布的機率為 X% (而中間的虛線則為 50%)。

  統計上評估兩分布區辨度的方法，除 AUC 外，會用 dprime 的指標，也就是兩個分布平均值間距，越大的話，代表目標分布與噪音分布離得相當遠，故一個好的 c 可以清楚的分出兩者，從 ROC 圖上看的話，就是法線方向最大距離。

  

  圖參考出處 http://www.cns.nyu.edu/~david/handouts/sdt/sdt.html

• 2019/05/30 上午 01:03
  Seanyu.TW
  贊同數：0
  不贊同數：0
  留言數：1

  順帶一提，http://www.cns.nyu.edu/~david/handouts/sdt/sdt.html 寫得相當好，有時間跟興趣的話建議可以看看。