绘制ROC曲线主要基于python 的sklearn库中的两个函数，roc_curv和auc两个函数。roc_curv 用于计算出fpr（假阳性率）和tpr（真...

仅仅使用 roc 的话，有以真实值为底的敏感度和特异度已经足够了，但是为了弄清楚为什么他们可以作为最佳指标以及背后的逻辑，我们需要了解一下混淆矩阵 (仅使用 r...

从roc曲线来看，由于曲线位置靠近图的左上方，因此，该模型具有较高的TPR和较低的FPR，同时可以看到模型的auc值达到了0.966，可以认为该模型的分类效果非...

这个R包计算AUC是基于中位数的，哪一组的中位数大就计算哪一组的AUC，在计算时千万要注意！

机器学习和数据科学在解决复杂问题时，经常需要评估模型的性能。其中，ROC（Receiver Operating Characteristic）曲线是一种非常有用...

下面我自己实现的 roc 函数可以理解为是简化版的 roc_curve，这里的代码逻辑更加简洁易懂，算法的时间复杂度 O ( n log ⁡ n ) O(n\l...

表示真正类（True Positive）的样本数，即被分类器正确预测为正类的样本数；

In this work, we hypothesized whether human plasma DNA ends might have a prepond...

工作 20x20 大小的人脸检测，为了获取尽可能多的负样本，拍摄一张 1000x1000 像素大小的车的图像，将其拆分为 20x20 大小的片段，⇒ 50x50...

今天给大家演示下R语言做支持向量机的例子，并且比较下在不进行调参的默认情况下，4种核函数的表现情况。分别是：线性核，多项式核，高斯径向基核，sigmoid核。

本文从特征的探索分析出发，经过特征工程和样本均衡性处理，使用决策树、随机森林、梯度提升树对一份女性乳腺癌的数据集进行分析和预测建模。

经过RNAseq|批量单因素生存分析 + 绘制森林图分析后得到了预后显著的基因集。后续的常见做法是通过机器学习（lasso，随机森林，SVM等）方法进行变量（基...

对于分类模型，在建立好模型后，我们想对模型进行评价，常见的指标有混淆矩阵、F1值、KS曲线、ROC曲线、AUC面积等。

k s = m a x ( C u m . B i B a d t o t a l − C u m . G i G o o d t o t a l ) ks ...

前面我们介绍了一个对有害同义突变预测的方法PrDSM，可以发现，在对模型的分析中，大量的使用ROC对模型进行评估，今天我们就来介绍一下ROC的相关内容和两种RO...

受试者工作特征曲线（receiver operating characteristic curve，简称ROC曲线），是比较两个分类模型好坏的可视化工具。

ROC曲线是临床中常用的统计分析之一，R中可以绘制ROC曲线的包也有很多，pROC包就是其中的佼佼者。

之前的章节中，我们已经建立了task和learner，接下来利用这两个R6对象，建立模型，并使用新的数据集对模型进行评估

在本文中，我描述了如何在CRAN中搜索用于绘制ROC曲线的包，并重点介绍了六个有用的包。

在金融领域中，我们的y值和预测得到的违约概率刚好是两个分布未知的两个分布。好的信用风控模型一般从准确性、稳定性和可解释性来评估模型。