나는 roc 곡선과 해당 auc를 표시하는 튜토리얼을 따라 갔다. 나는 결코 ggplot 라이브러리를 사용하지 않았기 때문에 어디에서 오류인지 이해할 수 없다. 여기에 아래의 코드 : from sklearn import metrics
import pandas as pd
from ggplot import *
preds = clf.
R에서 3 종 ROC 분석의 문제를 만났고 매우 성가신 결과를 얻었습니다 (here 참조). 이제 다른 방법으로 해결하려고합니다. 데이터는 iris이고 분류 기호는 nnet 패키지에있는 다항 로지스틱 회귀 분석입니다. 코드는 다음과 같습니다 : # iris data (3-class ROC)
library(nnet)
library(pROC) # shoul
curve(-12 * log(x) - (415/x), 25, 50)
abline(h = -55, lty = 2)
커브와 실선 사이의 영역을 플롯하고 음영 처리하고 싶지만 할 수 없습니다. 나는 pracma 패키지에서 trapz 함수를 사용하여 시도했다. 어떤 제안이라도 고맙겠습니다.
ggplot2 및 stat_density를 사용하여 일부 밀도 플롯을 생성했습니다. 제 동료는 각 곡선 아래의 면적이 1이 될 것이라고 확신하지 못했다고 말했습니다. 그래서 곡선 아래의 면적을 계산하기 시작했고, 제가 한 것보다 더 나은 접근법이 있을지 궁금합니다. data(iris)
p<-ggplot(iris,aes(x=Petal.Length))+
저는 Tensorflow를 사용하여 이진 분류자를 만들었습니다. 이제 AUC와 정확도를 사용하여 분류자를 평가하고 싶습니다. 지금까지 정확도에 관한 한, 나는 쉽게 다음과 같이 수행 할 수 있습니다 AUC를 계산할 때 X = tf.placeholder('float', [None, n_input])
y = tf.placeholder('float', [Non
내 질문은 this 질문과 관련이 있습니다. PRC (Precision-Recall Curve) 및 PRC 아래의 영역을 계산하는 데 관심이 있습니다. 좋은 R 패키지 PRROC 두 작업을 모두 수행했습니다. 기능 pr.curve의 package 설명 (5 페이지)에 따르면 2 개의 매개 변수를 지정해야합니다. 1) 긍정적 인 등급에 속하는 데이터 포인트의
I가 labels가 1 (X15)와 0 (X500)의 수치 벡터이다 auc(roc(predictions, labels))를 사용하여 AUC를 계산하기 위해 매있어 아래 면적을 계산하고 predictions부터 유래 확률과 숫자 벡터이고 a glm [2 진]. 매우 간단해야하지만 auc(roc(predictions, labels))은 "ROC 곡선 아래의 계
tensorflow에서 tf.contrib.metrics.streaming_auc()을 사용하여 신경망 모델의 auc 값을 찾고 싶습니다. 하지만 tf.contrib.metrics. auc_histogram()을 제외한 다른 옵션은 없습니다. tensorflow에서 사용할 수있는 많은 옵션이 있지만 아무 것도 제공되지 않습니다. 누군가 그 속성들을 가져 오