Dengesiz veri kümeleri için ROC eğrileri


10

Bir giriş matrisi ve bir ikili çıkış düşünün .Xy

Bir sınıflandırıcının performansını ölçmenin yaygın bir yolu, ROC eğrilerini kullanmaktır.

Bir ROC grafiğinde diyagonal, rastgele bir sınıflandırıcıdan elde edilecek sonuçtur. Dengesiz bir çıktı olması durumunda, rasgele bir sınıflandırıcının performansı, farklı olasılıklarla veya seçilerek geliştirilebilir .y01

Böyle bir sınıflandırıcının performansı bir ROC eğrisi grafiğinde nasıl temsil edilebilir? Sanırım artık köşegen değil, farklı bir açıya sahip düz bir çizgi olmalı?

ROC eğrisi örneği


2
Bunun yerine hassas hatırlama eğrisi denemek isteyebilirsiniz, "Hassas-Hatırlama Plot Dengesiz Veri kümeleri üzerinde İkili Klasifikatör değerlendirilmesi ROC Plot daha fazla bilgilendirici mi" ncbi.nlm.nih.gov/pmc/articles/PMC4349800 , olası bir daha makalenin yazarları tarafından oluşturulan erişilebilir web sitesi, classeval.wordpress.com/simulation-analysis/…
zyxue

Yanıtlar:


16

ROC eğrileri sınıf dengesine duyarsızdır. Rastgele bir sınıflandırıcı için elde ettiğiniz düz çizgi, zaten pozitif (0, 0) 'a getirir ve 1, aradaki herhangi bir aralıkta (1, 1)' e getirir.

Dengesiz bir ortamda hiçbir şey değişmiyor.


1
Diyagonalin neden değişmediğini görmek için eğri altındaki alanın anlamını düşünmeyi yararlı buluyorum. EAA, rastgele seçilen bir pozitif örneğin, rastgele seçilen bir negatif örnekten daha yüksek bir puana sahip olma olasılığı olarak yorumlanabilir. 1 . Bu bana sınıf dengesizliğinin neden bir sorun olmadığını daha net gösteriyor.
JBecker
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.