pr曲线 roc曲线_roc曲线与auc的含义

2022-11-01 16:23:52 浏览数 (2)

评价指标系列

  • PR曲线
    • 查准率和查全率
    • PR曲线绘制
  • ROC曲线
    • TPR和FPR
    • ROC曲线绘制
    • AUC的计算
    • python 代码实现及注解
  • 类别不平衡问题

PR曲线

混淆矩阵

预测 真实

P

N

P

TP

FP

N

FN

TN

查准率和查全率

查准率，表示所有被预测为正类的样本（TP FP）是真正类（TP）的比例： P = T P T P F P P= frac{TP}{TP FP} P=TP FPTP​ 查全率，表示所有真正类的样本（TP FN）中被预测为真正类（TP）的比例： R = T P T P F N R= frac{TP}{TP FN} R=TP FNTP​

PR曲线绘制

PR曲线的横坐标为召回率R，纵坐标为查准率P

  1. 将预测结果按照预测为正类概率值排序
  2. 将阈值由1开始逐渐降低，按此顺序逐个把样本作为正例进行预测，每次可以计算出当前的P，R值
  3. 以P为纵坐标，R为横坐标绘制图像

如何利用PR曲线对比性能：

  1. 如果一条曲线完全“包住”另一条曲线，则前者性能优于另一条曲线。
  2. PR曲线发生了交叉时：以PR曲线下的面积作为衡量指标，但这个指标通常难以计算
  3. 使用 “平衡点”（Break-Even Point），他是查准率=查全率时的取值，值越大代表效果越优
  4. BEP过于简化，更常用的是F1度量： F 1 = 2 ∗ P ∗ R P R = 2 ∗ T P 样 本 总 数 T P − T N F1= frac{2*P*R}{P R}=frac{2*TP}{样本总数 TP-TN} F1=P R2∗P∗R​=样本总数 TP−TN2∗TP​

ROC曲线

AUC就是衡量学习器优劣的一种性能指标。从定义可知，AUC可通过对ROC曲线下各部分的面积求和而得。

TPR和FPR

真阳性率： T P R = T P T P F N TPR= frac{TP}{TP FN} TPR=TP FNTP​ 假阳性率： F P R = F P F P T N FPR= frac{FP}{FP TN} FPR=FP TNFP​

ROC曲线绘制

ROC曲线的横坐标为FPR，纵坐标为TPR

  1. 将预测结果按照预测为正类概率值排序
  2. 将阈值由1开始逐渐降低，按此顺序逐个把样本作为正例进行预测，每次可以计算出当前的FPR，TPR值
  3. 以TPR为纵坐标，FPR为横坐标绘制图像

如何利用ROC曲线对比性能： ROC曲线下的面积（AUC）作为衡量指标，面积越大，性能越好

AUC的计算

AUC就是衡量学习器优劣的一种性能指标。从定义可知，AUC可通过对ROC曲线下各部分的面积求和而得。 AUC的统计意义是从所有正样本随机抽取一个正样本，从所有负样本随机抽取一个负样本，对应的预测probability中该正样本排在负样本前面的概率。 计算原理：所有的样本对中被正确排序的样本对（正类排在负类前面）的比例。

  1. 设正样本M个，负样本N个，样本总量n。
  2. 计算预测结果中每个样本的rank值，及升序排列后的位置，probability最大的样本rank为n。
  3. 当一个正样本在正类预测结果的升序排列中排在第k位，则证明它与排在其后面的负样本构成了正确排序对，则所有正确排序的样本对的总和为： 举个例子： 例如 ( r a n k 0 − 1 ) (rank_0-1) (rank0​−1)表示rank最小的正例可以和 r a n k 0 − 1 rank_0-1 rank0​−1个负样本构成正确样本对。 C o r r e c t P a i r = ( r a n k 0 − 1 ) ( r a n k 1 − 2 ) . . . ( r a n k i − ( i 1 ) ) . . ( r a n k M − 1 − M ) = ∑ i ∈ 正 样 本 集 合 r a n k i − ∑ ( M ( M − 1 ) . . . 1 ) = ∑ i ∈ 正 样 本 集 合 r a n k i − M ∗ ( M 1 ) 2 CorrectPair = (rank_0-1) (rank_1-2) …\ (rank_i-(i 1)) .. (rank_{M-1}-M)\ = sum_{iin 正样本集合}{rank_i}-sum(M (M-1) … 1)\ =sum_{iin 正样本集合}{rank_i}-frac{M*(M 1)}{2} CorrectPair=(rank0​−1) (rank1​−2) ... (ranki​−(i 1)) .. (rankM−1​−M)=i∈正样本集合∑​ranki​−∑(M (M−1) ... 1)=i∈正样本集合∑​ranki​−2M∗(M 1)​

则AUC计算公式为： A U C = C o r r e c t P a i r M ∗ N AUC=frac{CorrectPair}{M*N} AUC=M∗NCorrectPair​

python 代码实现及注解

代码语言：javascript复制
def cacu_auc(label, prob):
''' :param label: 样本的真实标签 :param prob: 分类模型的预测概率值，表示该样本为正类的概率 :return: 分类结果的AUC '''
# 将label 和 prob组合，这样使用一个key排序时另一个也会跟着移动
temp = list(zip(label, prob))
# 将temp根据prob的概率大小进行升序排序
rank = [val1 for val1, val2 in sorted(temp, key=lambda x: x[1])]
# 将排序后的正样本的rank值记录下来
rank_list = [i 1 for i in range(len(rank)) if rank[i]==1]
# 计算正样本个数m
M = sum(label)
# 计算负样本个数N
N=len(label)-M
return (sum(rank_list)-M*(M 1)/2)/(M*N)

类别不平衡问题

这里特指负样本数量远大于正样本时，在这类问题中，我们往往更关注正样本是否被正确分类，即TP的值。PR曲线更适合度量类别不平衡问题中：

  1. 因为在PR曲线中TPR和FPR的计算都会关注TP，PR曲线对正样本更敏感。
  2. 而ROC曲线正样本和负样本一视同仁，在类别不平衡时ROC曲线往往会给出一个乐观的结果。

参考 [1]: https://blog.csdn.net/ft_sunshine/article/details/108833761 [2]: 《机器学习》周志华

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/179653.html原文链接：https://javaforall.cn

http ntp https 网络安全

0 人点赞