Przejdź do zawartości

Krzywa ROC

Z Wikipedii, wolnej encyklopedii

Krzywa ROC (krzywa charakterystyki operacyjnej odbiornika[1], ang. receiver operating characteristic curve) to wykres ilustrujący działanie klasyfikatora binarnego, czyli algorytmu przewidującego przynależność obiektu do jednej z dwóch klas. Jest ona używana w sytuacjach, gdy klasyfikator nie dostarcza jednoznacznej decyzji tak/nie, ale zwraca wynik na skali porządkowej lub liczbowej (np. w postaci prawdopodobieństwa). Możliwe jest wówczas dostosowywanie determinujących klasyfikację wartości progowych, nazywanych poziomami odcięcia.

Przykład wykresu prezentującego trzy krzywe ROC

Krzywa ROC to krzywa wykreślona w kwadracie jednostkowym łącząca punkty o współrzędnych wyznaczonych przez czułość i swoistość dla różnych poziomów odcięcia. Wykreślając krzywą ROC, na osi x przedstawia się „1 minus swoistość”, czyli frakcję wyników fałszywie pozytywnych wśród wszystkich obiektów w rzeczywistości negatywnych (ang. false positive rate), zaś na osi y – czułość, czyli frakcję wyników wskazanych jako pozytywne wśród wszystkich obiektów rzeczywiście należących do klasy pozytywnej (ang. true positive rate)[2].

Popularną miarą siły dyskryminacyjnej klasyfikatora jest AUC (ang. Area Under the Curve), pole pod krzywą ROC.

Zobacz też

[edytuj | edytuj kod]

Przypisy

[edytuj | edytuj kod]
  1. Hubert Klekowicz, Opis i identyfikacja struktur przejściowych w sygnale EEG [online], 2012 [dostęp 2024-02-02].
  2. Grzegorz Harańczyk, ‪Krzywe ROC, czyli ocena jakości klasyfikatora i poszukiwanie optymalnego punktu odcięcia [online], StatSoft, 2010 [dostęp 2024-02-02] (pol.).