Lingkungan Lingkungan Penerima Penerima (ROC) adalah alat grafis yang digunakan untuk mengevaluasi kinerja model klasifikasi. Ini menggambarkan perdagangan-off antara tingkat positif sejati dan tingkat positif palsu melintasi pengaturan ambang yang berbeda. Memahami bagaimana menafsirkan dan menghitung kurva ROC sangat penting untuk menilai efektivitas model.

Apa itu Kurva ROC?

Sebuah kurva lentur ROC plot laju positif sejati (sensitivitas) terhadap tingkat positif palsu (1-spesifik) pada berbagai tingkat ambang batas.Memberikan representasi visual dari kemampuan model untuk membedakan antara kelas.Pendekatan kurva mengikuti sudut kiri atas, semakin baik kinerja model.

Bagaimana Menghitung Lengkung ROC

Menghitung sebuah lengkungan ROC mencakup langkah - langkah berikut:

  • UDARA diprediksi probabilitas dari model untuk setiap titik data.
  • Set nilai ambang ganda untuk rentang probabilitas yang diprediksi.
  • Untuk setiap ambang batas, mengklasifikasikan titik data sebagai positif atau negatif.
  • AKAN counted yang benar positif dan positif positif palsu pada setiap ambang.
  • Plotkan tarif ini untuk membentuk kurva ROC.

Tafsiran kurva ROC

Kawasan di bawah lengkung ROC (AUC) mengkuantifikasi kemampuan keseluruhan model untuk mendiskriminasi antar kelas. Sebuah AUS dari 0.5 menunjukkan tidak ada diskriminasi, setara dengan tebakan acak. Sebuah AUS dari 1.0 menandakan klasifikasi sempurna.

Aplikasi Kurva ROC

Kurva-kurva ROC secara luas digunakan dalam berbagai bidang seperti kedokteran, keuangan, dan pembelajaran mesin untuk membandingkan model, memilih ambang optimal, dan mengevaluasi kinerja penggolongan. mereka membantu dalam memahami trade-off yang terlibat dalam ambang keputusan yang berbeda.