| 最全PR曲线、ROC曲线以及AUC计算公式详解 | 您所在的位置：网站首页 › 地的计算公式 › 最全PR曲线、ROC曲线以及AUC计算公式详解 |
最全PR曲线、ROC曲线以及AUC计算公式详解
|
评价指标系列
PR曲线查准率和查全率PR曲线绘制
ROC曲线TPR和FPRROC曲线绘制AUC的计算python 代码实现及注解
类别不平衡问题
PR曲线
混淆矩阵 预测 \真实PNPTPFPNFNTN 查准率和查全率查准率，表示所有被预测为正类的样本（TP+FP）是真正类（TP）的比例： P = T P T P + F P P= \frac{TP}{TP+FP} P=TP+FPTP 查全率，表示所有真正类的样本（TP+FN）中被预测为真正类（TP）的比例： R = T P T P + F N R= \frac{TP}{TP+FN} R=TP+FNTP PR曲线绘制PR曲线的横坐标为召回率R，纵坐标为查准率P 将预测结果按照预测为正类概率值排序将阈值由1开始逐渐降低，按此顺序逐个把样本作为正例进行预测，每次可以计算出当前的P，R值以P为纵坐标，R为横坐标绘制图像
如何利用PR曲线对比性能： 如果一条曲线完全“包住”另一条曲线，则前者性能优于另一条曲线。PR曲线发生了交叉时：以PR曲线下的面积作为衡量指标，但这个指标通常难以计算使用 “平衡点”（Break-Even Point），他是查准率=查全率时的取值，值越大代表效果越优BEP过于简化，更常用的是F1度量： F 1 = 2 ∗ P ∗ R P + R = 2 ∗ T P 样 本 总 数 + T P − T N F1= \frac{2*P*R}{P+R}=\frac{2*TP}{样本总数+TP-TN} F1=P+R2∗P∗R=样本总数+TP−TN2∗TP ROC曲线AUC就是衡量学习器优劣的一种性能指标。从定义可知，AUC可通过对ROC曲线下各部分的面积求和而得。 TPR和FPR真阳性率： T P R = T P T P + F N TPR= \frac{TP}{TP+FN} TPR=TP+FNTP 假阳性率： F P R = F P F P + T N FPR= \frac{FP}{FP+TN} FPR=FP+TNFP ROC曲线绘制ROC曲线的横坐标为FPR，纵坐标为TPR 将预测结果按照预测为正类概率值排序将阈值由1开始逐渐降低，按此顺序逐个把样本作为正例进行预测，每次可以计算出当前的FPR，TPR值以TPR为纵坐标，FPR为横坐标绘制图像
如何利用ROC曲线对比性能： ROC曲线下的面积（AUC）作为衡量指标，面积越大，性能越好 AUC的计算AUC就是衡量学习器优劣的一种性能指标。从定义可知，AUC可通过对ROC曲线下各部分的面积求和而得。 AUC的统计意义是从所有正样本随机抽取一个正样本，从所有负样本随机抽取一个负样本，对应的预测probability中该正样本排在负样本前面的概率。 计算原理：所有的样本对中被正确排序的样本对（正类排在负类前面）的比例。 设正样本M个，负样本N个，样本总量n。计算预测结果中每个样本的rank值，及升序排列后的位置，probability最大的样本rank为n。当一个正样本在正类预测结果的升序排列中排在第k位，则证明它与排在其后面的负样本构成了正确排序对，则所有正确排序的样本对的总和为： 举个例子： 例如 ( r a n k 0 − 1 ) (rank_0-1) (rank0−1)表示rank最小的正例可以和 r a n k 0 − 1 rank_0-1 rank0−1个负样本构成正确样本对。 C o r r e c t P a i r = ( r a n k 0 − 1 ) + ( r a n k 1 − 2 ) + . . . + ( r a n k i − ( i + 1 ) ) + . . + ( r a n k M − 1 − M ) = ∑ i ∈ 正 样 本 集 合 r a n k i − ∑ ( M + ( M − 1 ) + . . . + 1 ) = ∑ i ∈ 正 样 本 集 合 r a n k i − M ∗ ( M + 1 ) 2 CorrectPair = (rank_0-1) + (rank_1-2)+...\\ +(rank_i-(i+1))+..+(rank_{M-1}-M)\\ = \sum_{i\in 正样本集合}{rank_i}-\sum(M+(M-1)+...+1)\\ =\sum_{i\in 正样本集合}{rank_i}-\frac{M*(M+1)}{2} CorrectPair=(rank0−1)+(rank1−2)+...+(ranki−(i+1))+..+(rankM−1−M)=i∈正样本集合∑ranki−∑(M+(M−1)+...+1)=i∈正样本集合∑ranki−2M∗(M+1)则AUC计算公式为： A U C = C o r r e c t P a i r M ∗ N AUC=\frac{CorrectPair}{M*N} AUC=M∗NCorrectPair python 代码实现及注解 def cacu_auc(label, prob): ''' :param label: 样本的真实标签 :param prob: 分类模型的预测概率值，表示该样本为正类的概率 :return: 分类结果的AUC ''' # 将label 和 prob组合，这样使用一个key排序时另一个也会跟着移动 temp = list(zip(label, prob)) # 将temp根据prob的概率大小进行升序排序 rank = [val1 for val1, val2 in sorted(temp, key=lambda x: x[1])] # 将排序后的正样本的rank值记录下来 rank_list = [i+1 for i in range(len(rank)) if rank[i]==1] # 计算正样本个数m M = sum(label) # 计算负样本个数N N=len(label)-M return (sum(rank_list)-M*(M+1)/2)/(M*N) 类别不平衡问题这里特指负样本数量远大于正样本时，在这类问题中，我们往往更关注正样本是否被正确分类，即TP的值。PR曲线更适合度量类别不平衡问题中： 因为在PR曲线中TPR和FPR的计算都会关注TP，PR曲线对正样本更敏感。而ROC曲线正样本和负样本一视同仁，在类别不平衡时ROC曲线往往会给出一个乐观的结果。参考 [1]: https://blog.csdn.net/ft_sunshine/article/details/108833761 [2]: 《机器学习》周志华 |
【本文地址】