187
правок
Изменения
→ROC-кривая
Используется для анализа поведения классификаторов при различных пороговых значениях.
Позволяет рассмотреть все пороговые значения для данного классификатора.
Показывает долю ложно положительных примеров (англ. '''FPR, false positive rate, FPR''') в сравнении с долей истинно положительных примеров (англ. '''TPR, true positive rate, TPR''').
[[Файл:ROC_curve.jpg|500px]]
: <math> FPR = \dfrac{FP}{FP+TN} </math>
Доля '''FPR ''' {{---}} это пропорция отрицательных образцов, которые были некорректно классифицированы как положительные.
: <math> FPR = 1 - TNR</math>,
где '''TNR ''' {{---}} доля истинно отрицательных классификаций (англ. '''Тrие Negative Rate'''), представляющая собой пропорцию отрицательных образцов, которые были корректно классифицированы как отрицательные.
Доля '''TNR ''' также называется '''специфичностью''' ('''specificity'''). Следовательно, ROC-кривая изображает '''чувствительность''' ('''seпsitivity'''), т.е. полноту, в сравнении с разностью '''1 - specificity'''.
<font color="green"># Код отрисовки ROC-кривой</font>
