ROC Curve چه اطلاعاتی به ما میدهد
خلاصه
1405/07/01
منحنی ROC اطلاعات زیر را ارائه میدهد: * **عملکرد طبقهبندیکننده:** میزان خوب بودن مدل شما در تمایز بین کلاسهای مثبت و منفی. * **توازن بین حساسیت (TPR) و ویژگی (TNR):** نشا
منحنی ROC اطلاعات زیر را ارائه میدهد:
* **عملکرد طبقهبندیکننده:** میزان خوب بودن مدل شما در تمایز بین کلاسهای مثبت و منفی.
* **توازن بین حساسیت (TPR) و ویژگی (TNR):** نشان میدهد که با تغییر آستانه تصمیمگیری، عملکرد مدل چگونه تغییر میکند؛ یعنی چقدر از موارد مثبت واقعی را تشخیص داده و چقدر از موارد منفی واقعی را به درستی رد کرده است.
* **AUC (مساحت زیر منحنی):** یک معیار واحد برای ارزیابی کلی کارایی مدل (مقدار نزدیکتر به ۱ بهتر است).
برخی از محصولات شرکت مهندسی آبان رایان البرز
سایر مقالات آموزشی شرکت نرم افزاری آبان رایان البرز :
- Precision و Recall چه تفاوتی دارند
- نقش confusion matrix در تحلیل مدل چیست
- نقش Crossvalidation در ارزیابی مدل چیست
- Normalization و Standardization چه تفاوتی دارند
- چگونه دادههای ناقص را مدیریت کنیم
- نقش Feature Selection در مدلسازی چیست
- چگونه دادهها را برای یادگیری ماشین آماده کنیم
- OCR چیست و چگونه پیادهسازی میشود
- الگوریتمهای تشخیص چهره چگونه کار میکنند
- چگونه با OpenCV تصویر پردازش کنیم
- PyTorch چه مزایایی نسبت به TensorFlow دارد
- نقش TensorFlow در یادگیری عمیق چیست
- مفهوم epoch در یادگیری ماشین چیست
- مفهوم overfitting چیست و چگونه رفع میشود
- چگونه مدل یادگیری ماشین را آموزش میدهیم
- مفهوم supervised و unsupervised learning چیست