在机器学习中,计算AUC时怎么理解正例与反例的score相等
答案:1 悬赏:10 手机版
解决时间 2021-04-06 13:58
- 提问者网友:浩歌待明月
- 2021-04-06 10:54
在机器学习中,计算AUC时怎么理解正例与反例的score相等
最佳答案
- 五星知识达人网友:街头电车
- 2021-04-06 12:32
——知乎:
项亮
你也可以将每个样本的score加上一个极其小的随机数。这样就不会出现相等了。
发布于 2016-06-27
李润泽
机器学习殿堂级入门选手
1 人赞同了该回答
可以参考周老师《机器学习》书中的第二章,P34-35的内容
发布于 2016-06-28
木成雪
特困生,铲屎官
4 人赞同了该回答
一般而言,如果正样本score大于负样本,这个正负样本对的权重为1,小于为0,而等于则为0.5,这样的所有正负样本对的权重加起来就是auc的分子,分母就是正负样本对的个数。
几何上看,正样本score等于负样本在roc的图上就是梯形的三角部分,由于算面积要除2,即权重为0.5,所以相当于rank取平均
可参看此文
理解AUC - 木成雪
项亮
你也可以将每个样本的score加上一个极其小的随机数。这样就不会出现相等了。
发布于 2016-06-27
李润泽
机器学习殿堂级入门选手
1 人赞同了该回答
可以参考周老师《机器学习》书中的第二章,P34-35的内容
发布于 2016-06-28
木成雪
特困生,铲屎官
4 人赞同了该回答
一般而言,如果正样本score大于负样本,这个正负样本对的权重为1,小于为0,而等于则为0.5,这样的所有正负样本对的权重加起来就是auc的分子,分母就是正负样本对的个数。
几何上看,正样本score等于负样本在roc的图上就是梯形的三角部分,由于算面积要除2,即权重为0.5,所以相当于rank取平均
可参看此文
理解AUC - 木成雪
我要举报
如以上问答信息为低俗、色情、不良、暴力、侵权、涉及违法等信息,可以点下面链接进行举报!
大家都在看
推荐资讯