TP:真的傳染病患者被檢測為傳染病患者

FP:假的傳染病患者被檢測為傳染病患者

?

假如現在10000人

其中9900正常，100人禽流感。

如果你的分類器全部設定為正常，那么精度就是9900，但是這個我們關心嗎？我們不關心。

我們關心的是怎么把那100人找出來并且隔離,所以我們希望TP越高越高（正隔離），FP越低越好（錯隔離）

所以ROC曲線啥意思呢？

寧可錯殺一千(FP)也不肯放過一個(TP)

?

所以kaggle上面的Public LB采用的是ROC_AUC，并不是我們常見的分類器準確率。

ROC_AUC希望錯殺的越少越好，正殺的越多越好，對健康人放置不管。

------------------------------------------下面舉例-------------------------------------------

?? ? ? ?(a) ? ?(b) ? ?<-classified as
?? ? ?----- ?-----
?? ? 569014 ? ?863 ? ?(a): class -
?? ? ?10014 ?10649 ? ?(b): class +

這個例子來自IEEE-Fraud-detection 比賽。

這個結果提交到public LB以后，得分只有0.68，所以其實是使用了

?第二行中10014 ?10649中的數據。

總結

以上是生活随笔為你收集整理的kaggle上面的score以及ROC_AUC数值咋回事的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。