应该将什么作为绘制 ROC 曲线的参数，例如在分类模型中，我可以获得预测标签和预测概率。我在输出层中有softmax层。
我应该使用预测标签还是预测概率来绘制分类问题中的 ROC 曲线。
ROC图中的预测标签或预测概率？
数据挖掘
机器学习
神经网络
2022-02-18 06:51:26
1个回答
使用预测的标签。
说明 - ROC 曲线显示了不同设置下可能的分类性能。
其中“分类性能”是 True-positive-rate 和 False-positive-rate 的一个因素。并且“不同设置”是用于根据预测概率确定预测标签（类别）的阈值。后者是您应该使用预测标签而不是预测概率的原因。
一些额外的背景：
根据我的经验，ROC 曲线可用于三件事：
1）确定给定模型的最佳设置（概率阈值）。基于可能的设置和问题需求。
2）评估整体模型性能和不同模型比较。这可以使用AUC来实现。
3）了解分类模型行为并识别可能的异常。例如，如果曲线具有阶梯状图案，则您的模型可能过于简单。
这是关于 ROC 曲线的简短解释。