machine-learning - 我可以反转 ROC 曲线来绘制真阴性与假阴性率吗?

标签 machine-learning roc

我试图了解“反转”ROC 曲线以显示真阴性率与假阴性率是否有意义。

我附上了一张图片以供澄清。可以做出这样的假设吗?

谢谢!

https://imgur.com/a/xKJTq6D

最佳答案

很难看出它在哪种应用程序中有意义。我发现有几个不这样做的理由:

  1. 该图不显示比 ROC 曲线更多的信息
  2. 该图看起来像 ROC 曲线,但实际上并非如此。知道什么是ROC曲线的人会认为这是一条ROC曲线。但事实并非如此。
  3. 即使你也很困惑,例如your picture这实际上是不正确的。

以下是它的外观:

A ROC curve and a False negative rate vs True negative rate curve

看看曲线如何巧妙地“反转”,但并不像您预期​​的那样?

我认为,除非你能提出一些非常有力的理由来这样做,否则你应该避免这样做,并显示标准的 ROC 曲线。

关于machine-learning - 我可以反转 ROC 曲线来绘制真阴性与假阴性率吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56236395/

相关文章:

machine-learning - 使用最少的图像数据设计分类器

python - 使用交叉验证 (CV) 计算 scikit-learn 多类 ROC 曲线

python - 如何在 Python 中绘制 ROC 曲线

R 获取 AUC 并同时绘制多条 ROC 曲线

python - Tensorflow:估计器 n_classes 问题

machine-learning - Neapaptic 在训练后总是返回相同的值

python - Tensorflow:仅基于第一个输入进行分类

machine-learning - 无效参数错误 : You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [1000, 625]

python - 绘制 K 折交叉验证的 ROC 曲线

machine-learning - 如何解释几乎完美的准确度和 AUC-ROC,但 f1 分数、精确度和召回率为零