エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
【scikit-learn】ROC曲線で遊んでみた - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
【scikit-learn】ROC曲線で遊んでみた - Qiita
0. はじめに 機械学習において、ある分類器を用いて2クラス分類をした際のその分類器の良さを表す指標と... 0. はじめに 機械学習において、ある分類器を用いて2クラス分類をした際のその分類器の良さを表す指標として、ROC曲線や、そのROC曲線のAUC(Area Under the Curve:曲線下面積)が用いられます。 ざっくりと説明すると、 ROC曲線は「その分類器を用いることで、2つの分布をどれだけ切り離すことができたか」を表します。また、AUCという量を用いることで、複数のROC曲線を比較することができます。 AUCとROC曲線の意味と性質を分かりやすく解説 - 具体例で学ぶ数学 機械学習の評価指標 – ROC曲線とAUC 学習に用いたモデルによって、ROC曲線を描けるものと描けないものがあります。 model.predict() などを用いたときに出力(返り値)が確率で与えられるようなモデルはROC曲線を描けますが、出力が2値になるようなモデルではROC曲線は描けません。 今回は、s