Glosar

Curba ROC

Ce este Curba ROC?

Curba ROC (receiver operating characteristic) arată cât de bine separă un model de clasificare două clase. Pentru fiecare prag de decizie posibil, reprezintă grafic rata pozitivelor reale (recall) în raport cu rata pozitivelor false. Cu cât curba se apropie mai mult de colțul din stânga sus, cu atât mai bine; diagonala corespunde ghicirii pure. Aria de sub ea (AUC) rezumă curba într-un singur număr și ajută, de exemplu, la compararea diferitelor modele de detectare a fraudelor.

Subiecte

metrică
evaluarea modelelor
clasificare

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Aria de sub curbă (AUC)

Aria de sub curbă (AUC) este o metrică pentru modelele de clasificare, referindu-se de obicei la curba ROC. Arată cât de bine separă un model cazurile pozitive de cele negative, independent de un anumit prag. O valoare de 1 înseamnă separare perfectă; 0,5 nu e mai bună decât ghicitul. Exemplu: un model de pierdere a clienților cu AUC de 0,85 plasează un client ales la întâmplare care pleacă drept mai riscant decât unul fidel în 85% din cazuri.

metrică de evaluare
ROC
+1

Recall în învățarea automată

Recall-ul (numit și sensibilitate sau rata pozitivelor reale) măsoară ce parte din cazurile pozitive reale detectează un model: pozitivele identificate corect împărțite la toate pozitivele reale. Dacă un filtru antifraudă prinde 80 din 100 de cazuri reale de fraudă, recall-ul său este 0,8. Un recall ridicat contează atunci când cazurile ratate sunt costisitoare, de exemplu în diagnosticul medical. Fiindcă ignoră alarmele false, este de obicei analizat împreună cu precizia, de exemplu în scorul F.

metrică
evaluarea modelelor
+1

Matrice de confuzie

O matrice de confuzie este un tabel care compară predicțiile unui clasificator cu clasele reale. Pentru două clase, arată adevărații pozitivi, fals pozitivii, adevărații negativi și fals negativii. Pe baza ei se pot calcula metrici precum precizia, recall-ul și scorul F1 și devine clar ce erori apar. Exemplu: un filtru de spam care marchează multe e-mailuri legitime drept spam are mulți fals pozitivi, ceea ce este adesea mai costisitor decât un mesaj spam ratat.

Evaluarea modelelor
Clasificare
+1

Clasificator

Un clasificator este un model sau o metodă care atribuie intrările uneia dintre mai multe categorii predefinite. Variantele clasice, precum arborii de decizie sau naive Bayes, sunt antrenate pe exemple etichetate; modelele lingvistice pot sorta texte și pe baza unei descrieri a categoriilor. Utilizări tipice sunt detectarea spamului, sortarea solicitărilor clienților pe teme și categorisirea bonurilor. Calitatea se măsoară cu metrici precum acuratețea, precizia și recall-ul.

Clasificare
Învățare automată
+1

Șablon