我正在為不平衡的資料集制作 ROC 曲線,但它們看起來根本不像正常的 ROC 曲線。它們看起來更像階躍函式(參見提供的影像)。從我能找到的所有來源來看,這應該表明我的機器學習演算法是有效的,但我仍然得到很多誤報。如果我的演算法無效,為什么我的 ROC 曲線形狀那么好?有沒有更好的方法來衡量這個演算法有多“好”?謝謝!

uj5u.com熱心網友回復:
有時,ROC 曲線并不是分析不平衡資料集演算法的最佳方法,因為與低誤報率相比,“好”ROC 曲線的真陽性率較高,這有時會誤導不平衡資料集,因為真陽性率可能很高,但仍然貼錯標簽,因為多數階級主導了少數階級(正如你所提到的)。
相反,請嘗試 PR(precision-recall)曲線 - PR 曲線對于不平衡的資料集要好得多,因為不平衡資料不會影響精度。請參閱此鏈接:公關曲線
轉載請註明出處,本文鏈接:https://www.uj5u.com/qukuanlian/490918.html
標籤:Python
