Come usare
- Incolla un punteggio, una coppia di etichette per riga. I punteggi dovrebbero classificare i positivi sopra i negativi quando il modello funziona bene.
- Facoltativamente, imposta esplicitamente l'etichetta positiva se le tue etichette non sono evidenti da valori come
1ocase. - Leggere l'AUC per la qualità della classifica, quindi ispezionare la tabella delle soglie e la curva ROC per scegliere un limite operativo pratico.
Classifica del punteggio binario in base a ROC e AUC
Questa prima versione è solo binaria e solo con punteggio. Usalo prima delle curve di richiamo di precisione o dei grafici di calibrazione quando la questione principale è l'ordinamento del punteggio e il compromesso della soglia.
Ingressi
Incolla il punteggio, etichetta le righe ed esegui il calcolo per verificare i compromessi ROC.
Curva ROC
Eseguire la calcolatrice per esaminare la curva ROC. Metti a fuoco il grafico e usa ← / → per spostarti oltre le soglie.
Tabella soglie
La tabella elenca le prime righe di soglia dello sweep del punteggio. Soglie più basse solitamente aumentano la sensibilità e riducono la specificità.
| Soglia ≥ | Sensibilità | Specificità | FPR | TP | FP | TN | FN |
|---|
Come leggere ROC AUC
ROC AUC chiede in che misura il punteggio classifica i positivi rispetto ai negativi su tutte le soglie. Un valore vicino a 0,5 significa che l'ordinamento è quasi casuale. Un valore più alto significa che i positivi tendono a ricevere punteggi più alti rispetto ai negativi.
Le soglie contano ancora
Un’AUC elevata non sceglie il limite operativo per te. La soglia giusta dipende da ciò che danneggia di più nel tuo flusso di lavoro: falsi positivi, falsi negativi o ritardo causato dal volume di revisioni.
Matrice di confusione vs AUC ROC
Utilizzare matrice di confusione quando la soglia è già fissa e hai bisogno di uno snapshot operativo. Utilizzare ROC AUC quando la soglia è ancora aperta ed è necessario confrontare l'intera scansione prima di decidere.
Domande frequenti
In che modo l'AUC ROC è diverso da una matrice di confusione?
Una matrice di confusione descrive una soglia scelta. L'AUC ROC descrive il modo in cui sensibilità e specificità si bilanciano su molte soglie, quindi indica quanto bene i punteggi classificano i positivi rispetto ai negativi prima di impegnarsi a rispettare un limite operativo.
Cosa cambia quando sposto la soglia?
Soglie più basse classificano più casi come positivi, il che di solito aumenta la sensibilità e diminuisce la specificità. Soglie più alte fanno il contrario. La tabella delle soglie ti consente di esaminare il compromesso riga per riga.
Un’AUC elevata mi dice automaticamente quale soglia utilizzare?
No. L'AUC riassume la qualità della classificazione attraverso le soglie, ma la soglia operativa dipende ancora dal costo dei falsi positivi rispetto ai falsi negativi, dalla prevalenza e dai vincoli del flusso di lavoro.
Questa pagina supporta il ROC multiclasse?
No. Questa prima versione è intenzionalmente limitata alla classificazione binaria in modo che l'ordine dei punteggi, la curva ROC e la tabella delle soglie siano facili da controllare.
Relativo
Commenti (facoltativi)
Per ridurre il carico, i commenti vengono recuperati solo quando necessario.