ROC曲线典型特征是Y轴为真阳性率，X轴为假阳性率。这不是很现实，但它确实意味着曲线下更大的区域通常更好。ROC曲线通常用于机器学习二元分类，用于研究机器学习分类器的输出。为了将ROC曲线和ROC面积扩展到多类或多标签分类，需要对输出进行binarize。
为二元分类分类器生成ROC图; 这样做应用交叉验证。计算AUC并使用它来比较分类器的性能。将ROC分析应用于多级分类。ROC曲线的评价方法与传统的评价方法不同，允许有中间状态，可以把试验结果划分为多个有序分类。AUC被定义为ROC曲线下的面积，显然这个面积
N <- dim[1] #数据长度。set.seed
安科网(Ancii)，中国第一极客网
Copyright © 2013 - 2019 Ancii.com
京ICP备18063983号-5 京公网安备11010802014868号