AUC指标与precesion/recall/F1评估模型的手段有何区别呢？
AUC指标与precesion/recall/F1评估模型的手段有何区别呢？
展开
收起
1
条回答
写回答
写回答
-
AUC是Area under Curve，曲线下面积。这个曲线横纵坐标分别为TPR和FPR.
TPR:True Positive Rate, 即recall; TPR = TP/(TP+FN), 表示正确分类的正样本所占所有正样本的比例；
FPR:False Positive Rate, FPR = FP/(FP+TN)，表示错误分类的负样本占所有负样本的比例。
对于同一个模型，TPR和FPR是一对跷跷板，可以通过修改阈值的方式来调节，例如调低分类为正样本的门槛，则更多的样本被分类为正样本，TP会增加，导致FPR增加；但此时，FP也会增加，导致FPR增加。
F1 score相当于是综合了precision和recall，使用默认阈值；AUC是一个模型更为全面的指标，考虑了不同的阈值。但由于AUC比较复杂，一般情况下使用F1 score就可以了。
2022-03-14 23:35:34赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
