我有一个带有严重不平衡数据集的分类器（每个正面标签有 1000 个负面标签。）
我正在运行 GradientBoostingClassifier 并取得了一定的成功（AUC .75），但曲线看起来很奇怪：
关于什么会导致曲线具有这种行为的任何好主意？
ROC 曲线显示不平衡数据集的奇怪结果
数据挖掘
scikit-学习
分类器
2022-02-26 14:51:37
2个回答
Davis 和 Goadrich 在他们的论文中解释了 ROC 和 PR 曲线之间的关系。在存在高度不平衡的数据的情况下，始终建议使用 PR 曲线而不是 ROC 曲线。
回到你的 ROC 曲线的行为，似乎你没有更多的阈值点！我也同意 Dan 的观点，做 K-fold CV。
Davis, J. 和 Goadrich, M.，2006 年 6 月。Precision-Recall 和 ROC 曲线之间的关系。在第 23 届机器学习国际会议论文集上（第 233-240 页）。ACM。
我认为你的一个或几个正面例子有一些预测因子 Q 也适用于很多负面例子。因为你的正面例子太少，所以没有太多可以将好的预测因素与平庸的预测因素区分开来。当你到达验证集时，Q 一定比它在训练集中应用了更大比例的负样本。
为了缓解这种情况，请尝试 n 折交叉验证。
其它你可能感兴趣的问题