我正在为一个不平衡的数据集绘制ROC曲线，但它们看起来根本不像正常的ROC曲线.它们看起来更像阶跃函数(参见提供的图像).从我能找到的所有来源来看，这应该表明我的机器学习算法是有效的，但我仍然得到很多误报.如果我的算法无效，为什么我的ROC曲线的形状会这么好？有没有更好的方法来衡量这个算法的"好"程度？谢谢
我正在为一个不平衡的数据集绘制ROC曲线，但它们看起来根本不像正常的ROC曲线.它们看起来更像阶跃函数(参见提供的图像).从我能找到的所有来源来看，这应该表明我的机器学习算法是有效的，但我仍然得到很多误报.如果我的算法无效，为什么我的ROC曲线的形状会这么好？有没有更好的方法来衡量这个算法的"好"程度？谢谢
有时，ROC曲线不是分析不平衡数据集算法的最佳方法，因为"好"ROC曲线的真阳性率较高，而假阳性率较低，这有时会对不平衡数据集产生误导，因为真阳性率可能很高，但由于多数类支配少数类(如您所述)，仍然会标记错误.
相反，try PR(精度召回)曲线-PR曲线对于不平衡的数据集更好，因为精度不会被不平衡的数据所扭曲.请参见此链接:PR Curves