Ci bi mu melGis bi ci topp
Liggéeyukaay ak PR-AUC
Xarala
GUIDE bu am solo
Courbe ROC dafay wane ni classifier bi di tàqalee ñaari class ci bepp dogal bu mëna am, AUC dafay comprimé courbe bi yépp ci benn nimero.
Déglul tegtal biiIA-nettali · ~2 min
Together they tell you ranking quality independent of where you draw the cutoff.
Benn courbe buy màndargaal ni Reseptër bi di doxee (ROC) dafay wane Taux Positif Dëgg (sensitivite, ci axe y) ak Taux Positif Njuumte (1 dindi ci specificité, ci axe x) sooy gliise threshold classification bi daale ko ci 1 wàcci ba 0. Threshold bu nekk dafay joxe benn poñ; boole leen dafay topp courbe bi. Benn model buy rang bepp positif ci kaw bepp negatif dafay laxasu koñu kaw-cammoy bi. Barab bi ci suufu courbe bi (AUC) mooy natt barab bi nekk ci suufu liiñ bii, dalee ko ci 0.5 (xalaat ci anam wu bari, diagonal bi) ba ci 1.0 (baax). Tekki bu am solo: AUC mingi méngoo ak probabilite bi model bi am poñ yu bari yuñ tànnee ci anam wu mucc, moo gëna bari ci negatif yiñ tànnee ci anam wu mucc. Tur wi mingi cosaanoo ci operatëri radar yu ñaareelu guerre mondiale di wuutale siñaal ak bruit.
Tegtale ñaari xeeti gis-gis njuuj njaaj ci bànk ci seen AUC ngir tànn bi gëna mëna rang jëflante yu njuuj njaaj yi ci kaw jëflante yu baax yi
Dañu jàngat test diagnostic ngir feebar (lu melni, classifier depistaasu cancer) fu radiologist yi wara jëflante ngir jàpp ñu bari ci alarm yu baaxul yi
Defar buntu filtre spam bi jëfandikoo courbe ROC ngir tëye njuumte positif yi (mail bu baax buñu màndargaale ni spam)
Benchmarking ab xeetu poñ leble-default fu AUC di tënk ni ñuy tàqalee leblekat yiy fay ak ñiy default
ROC-AUC desna nekk metric rapoor buñ jagleel, waaye praktiseur yi dañu koy gëna boole ak curves Precision-Recall ngir done yu desekilibre lool, fu ROC mëna nuru lu gëmm. Xaarandi jëfandikoo bu gëna yaatu ci AUC (focus ci gox bu baax-njuumte-positif bi am solo ci liggéey bi), jàngat bu sensible ak decision-curve, ak AUC bu nekk ci subgroupe bi di rapoor ci surface justice gaps. Ginaaw model yi dañuy dundal dogal yu dëggu yi, metrics etalonnage ak AUC dina ñu gëna xamle ñoom ñaar, du AUC kese.
Bulletin bu amul fayda
Ñatti jaar-jaari IA yuñ firndeel bis bu nekk ci ayu-bis bi, ñu bind leen ci Àngle bu leer. Gratis ba fàww, amul yëgle.
Benn email bis bu nekk ci ayu-bis bi. Benn klik nga dindi abonemaa bi. Dunu musa jaay wala séddoo sa adres.
Nattal sa bopp
Feedback ci saasi ci bépp tontu, ak sertifikaa buñ mëna séddoo ak ID buñ mëna saytu soo jàllee ci njàng mi.
Jàppale njàngum IA te doo fay. AI Understanding mbootaay la buy def te Yàlla tax — amul yëgle, amul paywall, musul am. Defal ab sarax
Courbe ROC dafay wane ni classifier bi di tàqalee ñaari class ci bepp dogal bu mëna am, AUC dafay comprimé courbe bi yépp ci benn nimero. Ñoom ñépp ñu ngi lay wax kalite rang bi amul benn njeexte ci fi nga jëlee cutoff bi.
Benn courbe ROC dafay wane tolluwaayu positif bu dëggu bi (sensitivite) ci axe y bi ak tolluwaayu positif bu baaxul bi (1 - mën mën) ci kaw axe x bi ci biir threshold yi.
Benn xeetu xaaj bu bari dafay topp liiñ diagonaal bi, di joxe AUC bu 0.5. AUC bu 1.0 baaxna, te 0.0 dafay tekki ni dafay am rang bu nekk ci ginaaw.
AUC dafay tënk courbe ROC bi yépp, bi ñuy génne ci bale bépp threshold, kon nekkul ci benn dagg buñ tànn.
Ci jafe-jafe yu bari yu baaxul yi, limu negatif yu bari yi dafay tëye Njuumteg Positif yi, di yokk ROC. Courbe Precision-Recall dafay xoole ci klaas bu baax bi ba noppi di wane performance bu gëna dëggu.
The guide notes that AUC depends on rank order and is insensitive to calibration; monotonic transformations can preserve rankings while altering the probability scale.
Weyal di jàng
Tann nañu yeneen njiit ngir topic bii
Ci bi mu melGis bi ci topp
Liggéeyukaay ak PR-AUC
Xarala