Що таке крива ROC у продуктивності R?

Крива ROC показує компроміс між чутливістю (або TPR) і специфічністю (1 – FPR). Класифікатори, які дають криві ближче до верхнього лівого кута, вказують на кращу продуктивність. Очікується, що в якості базової лінії випадковий класифікатор дасть точки, що лежать уздовж діагоналі (FPR = TPR).

Крива ROC (крива робочої характеристики приймача). графік, що показує продуктивність моделі класифікації за всіма пороговими значеннями класифікації. Ця крива відображає два параметри: Істинний позитивний показник. Хибнопозитивний рівень.

Крива ROC будує графік частоти помилкових тривог проти частоти попадань для імовірнісного прогнозу для діапазону порогових значень. Площа під кривою розглядається як міра точності прогнозу. Міра 1 означатиме ідеальну модель. Показник 0,5 вказує на випадковий прогноз.

Крива ROC (робоча характеристика приймача) схожа на графік, який показує наскільки добре модель розрізняє речі. Це допомагає нам побачити, як часто модель правильно визначає позитивні речі та як часто вона правильно уникає позначення негативних речей як позитивних.

РОЦР (з явною вимовою) є пакет R для оцінки та візуалізації продуктивності класифікатора. Він… … простий у використанні: додає лише три нові команди до R.

Чим ближче крива ROC до верхнього лівого кута графіка, тим вища точність тесту тому що у верхньому лівому куті чутливість = 1 і частота помилкових позитивних результатів = 0 (специфічність = 1). Таким чином, ідеальна крива ROC має AUC = 1,0.