auc指标的理解
发布日期：2021-05-06 21:49:12
浏览次数：11
分类：技术文章
本文共 150 字，大约阅读时间需要 1 分钟。
auc代表将一个样本判断为正样本得分大于负样本得分的概率；
auc值越大越好；可以想象y轴代表正类真正例率（召回率），x轴代表假正例类（误判的样本数量/所有真实的负样本数量） ；
如果 auc值为1，说明无论如何调节分类阈值都不会判断错误，都能完美判断；如果auc值为0，则说明模型怎么判断都是错的；
发表评论
最新留言
哈哈，博客排版真的漂亮呢~
[***.90.31.176]2025年03月27日 20时35分21秒
关于作者
喝酒易醉，品茶养心，人生如梦，品茶悟道，何以解忧？唯有杜康！
-- 愿君每日到此一游！
推荐文章
html中图片上传预览功能
2019-03-04
简单背景图片，鼠标移动特效
2019-03-04
js,小程序共用java后端进行数据传输
2019-03-04
[python面向对象学习笔记十] eval函数
2019-03-04
ReID基础 | ReID工程中的一些小trick
2019-03-04
haystack安装后导致Django版本强制升级为3.2引发的不兼容性问题
2019-03-04
LINQ之Single，SingleOrDefault
2019-03-04
LINQ之ElementAt，ElementAtOrDefault
2019-03-04
OpenCV6边缘检测[Canny算法]
2019-03-04
Hadoop_Scala操作Hbase
2019-03-04
Scala_1.控制台打印，变量定义，函数定义
2019-03-04
Linux Vim操作-添加行号
2019-03-04
十五.Python异常处理
2019-03-04
c++备考期末必须看的知识点（一篇就够了）
2019-03-04
qt中初始化界面的几种方法
2019-03-04
【图论】游乐场
2019-03-04
【图论】【最短路】USACO 2.4 牛的旅行 (最短路)
2019-03-04
【图论】【最短路】工厂的烦恼
2019-03-04
【图论】刻录光盘
2019-03-04
【离散化】容易的网络游戏
2019-03-04
白红宇的个人博客 - 记录点点滴滴的事 - 您是第 453504213 位访客