PN合計

T	TP	FN	P
F	FP	TN	N
合計	P’	N’	P+ N

混淆矩陣的四個術語：真正例 / 真陽性（TP），真負例 / 真陰性（TN），假正例 / 假陽性（FP）、假負例 / 假陰性（FN）。

2、分類器涉及的常見評估度量：

度量公式

準確率	（TP+TN）/（P+N）
錯誤率	（FP+FN）/（P+N）
真正例率 / 召回率 / 查全率	TP / (TP+FN）
真負例率	TN / N
查準率 / 精度	TP / P’ = TP / (TP+FP）
假正例率	FP / N = FP / (FP+TN）
F1 分數	2*（查準率查全率）/ （查準率+查全率）=2TP /(P+N+TP-TN)

3、ROC 曲線

橫軸：假正例率 FPR=FP / N = FP / (FP+TN）

縱軸：真正例率 TPR=TP / (TP+FN）

1)、概率分類器對10個測試樣本返回的預測概率值的排序表

ROC 曲線之下的那部分面積值就是模型的 AUC 值。

如果模型真的很好，隨著有序列表向下移動，開始會遇到真正例樣本，曲線將陡峭的從 0 開始上升；之后 ，遇到的真正例樣本越來越少，假正例樣本越來越多，曲線變得平緩趨于水品。

參考鏈接１
參考鏈接二

總結

以上是生活随笔為你收集整理的ROC 曲线和 AUC 值的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。