კონსტრუქციის მიხედვით, AUC არ შეიძლება იყოს უარყოფითი. … მაშინაც კი, თუ ლურჯი ხაზი არის "შემთხვევითი მოდელის" მრუდის ქვემოთ (დიაგონალი), მას ექნება დადებითი AUC.
რა არის ცუდი AUC ქულა?
სტატისტიკური ანალიზი
ROC მრუდის (AUC) შედეგების ქვეშ მდებარე ფართობი ჩაითვალა შესანიშნავად AUC მნიშვნელობებისთვის 0.9-1 შორის, კარგი AUC მნიშვნელობებისთვის 0.8-0.9 შორის, სამართლიანი AUC მნიშვნელობებისთვის 0.7-0.8 შორის, ცუდია AUC მნიშვნელობებისთვის 0.6-0.7-ს შორის და ვერ მოხერხდა AUC მნიშვნელობებისთვის 0.5-0.6.
რა არის მისაღები AUC?
არეალი ROC მრუდის ქვეშ
ზოგადად, AUC 0.5 არ მიუთითებს დისკრიმინაციაზე (ანუ, ტესტის საფუძველზე დაავადების ან მდგომარეობის მქონე პაციენტების დიაგნოსტიკის უნარი და მათ გარეშე), 0.7-დან 0.8-მდეითვლება მისაღები, 0.8-დან 0.9-მდე ითვლება შესანიშნავად და 0.9-ზე მეტი ითვლება გამორჩეულად.
რატომ არის AUC ცუდი გაუწონასწორებელი მონაცემებისთვის?
მიუხედავად იმისა, რომ ფართოდ გამოიყენება, ROC AUC არ არის უპრობლემოდ. დისბალანსირებული კლასიფიკაციისთვის მძიმე გადახრით და უმცირესობის კლასის რამდენიმე მაგალითით, ROC AUC შეიძლება იყოს შეცდომაში შემყვანი. ეს იმიტომ, რომ სწორი ან არასწორი პროგნოზების მცირე რაოდენობამ შეიძლება გამოიწვიოს ROC მრუდისან ROC AUC ქულის დიდი ცვლილება.
უნდა იყოს AUC მაღალი თუ დაბალი?
მრუდის ქვეშ არსებული ფართობი (AUC) არის კლასიფიკატორის უნარის გაზომვა, განასხვავოს კლასები და გამოიყენება როგორც ROC მრუდის შეჯამება. რაც უფრო მაღალია AUC , მით უკეთესია მოდელის ეფექტურობა დადებითი და უარყოფითი კლასების გარჩევისას.
