【机器学习】为何随机分类时,AUC = 0.5?

关于ROC和AUC的介绍,能够参考维基百科。spa 这里仅谈我的对随机分类下ROC曲线的理解,即为何随机分类时,AUC = 0.5?blog 若理解有误,恳请大佬指导↖(^ω^)↗ip   1、混淆矩阵:ci   2、ROC曲线:get 横坐标:FPR = b1 / ( b1 + b2 ) = 预测为正,实际为负 / 总负样本数 = 负样本预测错误数 / 总负样本数io 纵坐标:TPR = a1
相关文章
相关标签/搜索