ROC曲线与分类性能评估

张开发
• 2026/5/5 6:24:33 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

ROC曲线与分类性能评估
人工智能模型可以用来预测房价、股票、经济、图片类别、大语言模型、扩散模型。预测的方式有两种：分类和回归。分类：预测“属于哪一类”回归：预测“具体是多少，区别如下：类型输出本质分类离散值（类别）做“选择题”回归连续值（数值）做“填空题”1、用概率描述预测的类别 通过概率判断类别，比如对商品好坏的评价进行打分，以0.5为阈值，0-0.5是坏商品，0.5-1是好商品。阈值的选择通常有三种方式： 1、跟实际的应用相关，要具体问题具体分析，核心原则是降低阈值，提高召回率，提高阈值，增加精度。 2、基于 ROC 曲线，在ROC曲线上选择一个最佳点。最大化 ：J=TPR-FPR。选择：threshold=argmax(TPR-FPR) 让“抓正样本能力”尽量高，同时“误报”尽量低。 3、基于 Precision-Recall 曲线

更多文章