ROC曲線とは何か、アニメーションで理解する。 - Qiita
統計学、パターン認識等で、ROC(Receiver Operating Characteristic；受信者動作特性)曲線という概念が出てきます。また、データ分析・予測のコンペティションサイトKaggleでも、提出されたアルゴリズムの識別性能評価にこのROC曲線に基づくAUC(Area Under the Curve)というものを使っています。（例えばココ） このROC曲線、ちょっとわかりにくいので、まとめてみました。また、アニメーションでグラフを動かしてイメージを付けるということもやってみます。 1. ROC曲線に至る前説 まず、例として健康に関するとある検査数値データがあったとします。 この検査数値は健康な人は平均25, 標準偏差2の正規分布に従い分布しています。（下記図の緑の曲線） 病気の人は平均30、標準偏差4の正規分布に従い分布しています。（下記の図の青の曲線） グラフにすると下
maplotlibのヒストグラムに累積比率を追加する - Qiita
下図のようにヒストグラムに累積度数や比率など重ねてプロットしたくなるのでメモ。 ヒストグラムのプロット時、pyplot.hist()の戻り値で度数やビンの情報を取得できるので、それを使って第2軸に累積比率を計算して、適切な場所に重ねる。コードは以下（主要な部分のみ） """ヒストグラムに累積比率を追加する""" import numpy as np import matplotlib.pyplot as plt import seaborn as sns # % matplotlib inline # seabornのスタイルでプロット sns.set(style="darkgrid", palette="muted", color_codes=True) # トイデータ生成 np.random.seed(0) dt = np.random.normal(size=100) fig, ax
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
