매우 불균형 한 2 클래스 예측을 위해 임의의 숲 모델을 구축 할 때 ROC 곡선의 결과가 이상합니다. 샘플의 원래 이벤트 속도는 ~ 2 %이며 클래스 불균형에 맞춰 가중치를 사용합니다. 다음과 같은 방법으로 4 (25 %) 내 모델 설정 : forest <- ranger(data = sample[,c('fraud', features)]
,
2 클래스 문제에 대해 ROCR 패키지를 사용하여 ROC 커브를 플롯했습니다. 내 이해에 따르면, 커브는 적어도 작은 데이터 세트의 경우 단계적으로 변화하는 플롯처럼 보일 것입니다. 제 입력은 사실 작지만 커브는 본질적으로 직선입니다. 그것은 PROC가 곡선을 따라 선을 맞추거나 내가 놓친 다른 것인가? 입력은 여기에서 click me이고 코드는 다음과 같
svm과 함께 "rfe"기능을 사용하여 기능이 축소 된 모델을 만들었습니다. 그런 다음 클래스 레이블 (2 진수), 0 클래스 확률, 1 클래스 확률을 출력하는 테스트 데이터에서 "예측"을 사용합니다. 그때 ROCR 패키지, 예측 가능성 및 사실 클래스 라벨 만에, 예측 기능을 사용하려고 다음과 같은 오류가 발생하고,이 개 배열의 길이가 동일로 왜 확실하지
Matlab의 perfcurve 함수는 두 개의 레코드가 합리적인 절단 값으로 잘못 분류 될 때 AUC = 1을 표시합니다. 컷오프 0.5를 사용하여 혼동 행렬을 통해 동일한 데이터를 실행하면 정확도가 1 미만입니다. MWE에 내 폴드 중 하나의 데이터가 포함되어 있습니다. 나는 나의 결과에서 완벽한 정확성보다 적은 완벽한 auc을 보았 기 때문에 문제를
스피커 인식을 위해 유클리드 거리를 사용하고 있습니다. MATLAB에서 perfcurve을 사용하여 ROC 커브를 플롯하려고합니다. 점수가 결과적으로 유클리드 거리이므로, 나는 올바르게하고 있습니까? 감사합니다 Labels=[1 1 1 1 1 1 1 0 0 1]; scores=[18.5573 15.3364 16.8427 19.6381 16.4195 17.3
코드를 사용하여 교차 유효성 검사를 실행하고 ROC 점수를 반환합니다. 당신이 순서 당신의 예측을 평가 할 수있는 경우 rf = RandomForestClassifier(n_estimators=1000,oob_score=True,class_weight = 'balanced')
scores = cross_val_score (rf, X,np.ravel(y),
난 그냥 싶어 roc_auc_score(y_test,results.predict(X_test))
및 roc_auc_score(y_test,results.predict_proba(X_test)[:,1])
의 차이는, predict_proba 나는 후자가 roc_curve을 세우고 또한 각 테스트 관찰 클래스 0의 확률을 반환하고 알고있는 어떤 것을 명
코드 덩어리에서 에코를 FALSE로 설정 했음에도 불구하고 roc 명령 (pROC 패키지)의 반향을 억제 할 수 없습니다. roc 명령은 "call"및 "data"행을 pdf에 출력합니다. 아무도 내가 그것을 끄는 방법을 알아낼 수 있습니까? ---
title: "ROC echo"
output: pdf_document
---
```{r,echo=F
분류를 위해 WKEA를 사용하고 있습니다. 내가 adaboost 및 RBFNetwork 두 알고리즘을 사용하고 있습니다. 놀랍게도 이러한 알고리즘 모두 내 데이터에서 잘 수행하고 포기하지 않는 다음과 같은 결과 : Adaboost RBFNetwrok
Precision : 0 0
Recall : 0 0
많은 검색을 한 후에 내 문제에 대한 답을 찾을 수 없습니다. for 루프 또는 sapply를 사용하여 pROC pakkage로 ROC 커브를 생성하고 싶습니다. 내 데이터베이스 (만 26 colums, 74 개 행이) 다음과 같다 : '자동'에 대한 plot.new()
roc1 <- roc(cor.datT$PA, cor.datT$mT1G, percent