ROC曲线最新版2024年.pptxVIP

ROC曲黄国峰

认识ROC曲线

ROC曲线相关名词解释ROC的全称是ReceiverOperatingCharacteristicCurve，中文名字叫“受试者工作特征曲线”。AUC(AreaUnderrocCurve),ROC曲线下面的面积。FPR(FalsePositiveRate),假阳性率。TPR(TruePositiveRate),真阳性率。混淆矩阵,confusionmatrix。CI：置信区间，Confidenceinterval。约登指数，TPR+FPR-1(敏感性+特异性-1),最佳截断点。

认识混淆矩阵TP:TruePositive,正例里面的被判断出来的正例个数。FP:FalsePositive,反例里面的被判断成正例的个数。FN:FalseNegtive,正例里面的被判断成反例的个数。TN:TrueNegtive,反例里面被预测成反例的个数。P:Postive,真实的正例个数。N:Negtive,真实的反例个数。

ROC曲线介绍ROC的全称是ReceiverOperatingCharacteristicCurve，中文名字叫“受试者工作特征曲线”。是用来解决二分类的问题的”小专家”。

FPR,FalsePositiveRate假阳性率。没得病，这个方法误诊其有病的概率。假阳性率=没得病但却被诊断为有病的被试个数/没得病被试个数。FPR=FP/N。FP：假的被判断成真的的个数N：真实的假的的个数

TPR,TruePositiveRate真阳性率。得病了，这个方法诊断其有病的概率。真阳性率=得病并且被诊断为有病的被试个数/得病被试个数。TPR=TP/P。TP：真的被判断成真的的个数。P：真实的真的的个数。

ROC曲线怎么得到的？先看例子：下图是一个二分模型真实的输出结果，一共有20个样本，输出的概率就是模型判定其为正例的概率，第二列是样本的真实标签。P：Positive，正例N：Negtive，反例

ROC曲线怎么得到的？由上图可以知道真实的结果中有十个正例，十个假例。根据Score设置阈值来计算该阈值下的FPR与TPR。在以FPR为横坐标以TPR为纵坐标的坐标图中描点。连线。

ROC曲线怎么得到的？现在我们指定一个阈值为0.9，那么只有第一个样本（0.9）会被归类为正例，而其他所有样本都会被归为负例，因此，对于0.9这个阈值，我们可以计算出FPR为0，TPR为0.1（因为总共10个正样本，预测正确的个数为1），那么我们就知道曲线上必有一个点为(0,0.1)。在阈值最大的时候得到（0,0）,阈值最小的时候得到（1,1）,其它点如上所述计算方式依次类推。

改变阈值计算的到的最终的ROC曲线

文献中的ROC曲线

ROC曲线结果结果怎么看