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
邱岳的产品手记 -〔邱岳〕
从0开始学大数据 -〔李智慧〕
Android开发高手课 -〔张绍文〕
深入浅出计算机组成原理 -〔徐文浩〕
透视HTTP协议 -〔罗剑锋(Chrono)〕
网络编程实战 -〔盛延敏〕
WebAssembly入门课 -〔于航〕
etcd实战课 -〔唐聪〕
说透区块链 -〔自游〕
程序员的测试课 -〔郑晔〕
陈天 · Rust 编程第一课 -〔陈天〕
商业思维案例笔记 -〔曹雄峰〕
无涯教程 - MFC教程
无涯教程 - LISP教程
无涯教程 - CSS教程
无涯教程 - ES6教程
无涯教程 - WordPress教程
无涯教程 - PyQT6教程
无涯教程 - JavaScript 代码整洁指南教程
无涯教程 - C# 代码整洁指南教程