저는 AUC를 계산하고 테스트 세트에서 분류 된 모든 요소에 대해 ROC 곡선을 그려야하는 Keras로 작성된 다중 라벨 분류기를 사용합니다. 나는 그런 경우에 경사를 해석하는 방법을 모르는 : 모든 일부 요소가 ROC 곡선이 점을 제외하고 다음과 같이 기울기를 가질 수, 잘 보인다 . 기본적으로 내 워크 플로우는 내가 Keras의 사전 훈련 model를,
SVM 모델을 적용하고 ROCR 패키지로 ROC 커브를 만들었습니다. 곡선 아래 면적 (AUC)은 어떻게 계산합니까? tune.out=tune(svm ,Negative~.-Positive, data=trainSparse, kernel ="radial",
ranges=list(cost=c(0.1,1,10,100,1000),gamma=c(0.5,
Roc 곡선을 계산하고 선형 차별 모델로부터 AUC를 계산하고 싶습니다. 내가 어떻게 이럴 수 있니? ##LDA
require(MASS)
library(MASS)
lda.fit = lda(Negative ~., trainSparse)
lda.fit
plot(lda.fit)
###prediction on the test set
lda.pred=p
randomForest는 블랙 박스로되어 있고 대부분의 사람들은 분류 자의 ROC 곡선에 관심이 있지만 RF의 개별 트리를 검사해야하는 문제에 대해 연구하고 있습니다. 나는 R에 익숙하지 않기 때문에 RF로 생성 된 개별 트리의 ROC 곡선을 그릴 수있는 쉬운 방법은 무엇입니까?
다음 코드는 @adibender에서 "하나의 플롯 ROCR에서 여러 ROC 곡선"으로 찍은 것입니다. 이 코드는 부분적으로? plot.performance에서 가져온 것입니다. library(ROCR)
data(ROCR.simple)
preds <- cbind(p1 = ROCR.simple$predictions,
p2 = abs(ROCR.s
나는 scikit-learn을 사용하여 ExtraTreesClassifier (gini 인덱스)를 교육했으며, 내 필요를 공정하게 맞 춥니 다. 정확도는 좋지 않지만 10 배 교차 검증을 사용하면 AUC는 0.95입니다. 제 분류 작업에이 분류자를 사용하고 싶습니다. 나는 ML에 새로운 있습니다. 그래서 당신에게 개념적으로 잘못된 것을 묻는다면 용서해주십시
분류 문제로 xgboost을 사용하고 있습니다. 나는 근본적인 질문이있다. 아래 열차와 테스트 (보이지 않는) 세트의 각 라운드마다 AUC를 찾을 수 있습니다. 테스트 세트의 AUC는 0에 가깝습니다. 무슨 일이 벌어지고 있는지 이해하는데 도움을 줄 수 있습니까? 저는 파이썬을 사용하고 있습니다. 필요한 경우 코드 및 데이터를 게시 할 수 있습니다. 감사
나는 피지에서 훈련 가능한 weka segmention plug in의 기본 사용자입니다. ROC 곡선이 fastrandomforest 분류 자의 성능을 어떻게 평가하는지 알고 싶습니다. 곡선에 몇 가지 포인트가 있으므로 개념적으로 각 픽셀은 각 픽셀의 평가 방법을 나타냅니다. 각 픽셀에 할당 된 확률을 확인합니까? 또는 각 픽셀에 할당 된 확률은 ROC
pRoC로 ROC 커브를 그려야합니다. 그러나 x 축의 양쪽에 여분의 빈 공간이 있는데 xlim로 제거 할 수 없습니다. 일부 예제 코드 : library(pROC)
n = c(4, 3, 5)
b = c(TRUE, FALSE, TRUE)
df = data.frame(n, b)
rocobj <- plot.roc(df$b, df$n, percent =
이분법 변수 (a vs b)에 대한 ROC 곡선을 계산 한 후. 이 변수를 구별하기 위해 최적의 한계 값을 계산하고 싶습니다. Youden 지수는 차별화를위한 민감도와 특이성을 최적화하는 값입니다. 분명히 패키지 "OptimalCutpoints"가이를 수행 할 수 있어야합니다. 그러나, 나는이 이상한 오류가 발생합니다. 아래에 코드가 삽입되었습니다. lib