2016-06-13 63 views
1

升降曲線允許建模者比較不同的模型。當模型處於不同的尺度時,這特別有用。但是這是通過視覺檢查曲線完成的。是否有任何等價的指標可以通過編程來完成比較?升降曲線轉換爲等效公制

回答

0

您應該查看ROC(receiver operator characteristic)曲線的AUC(曲線下面積)。這是數據挖掘社區中算法性能的更爲標準的衡量標準,並且可以評估爲可以跨模型進行比較的單個數字。有許多機器學習/數據挖掘軟件包可以使用簡單的函數調用,按下按鈕等來計算此統計量。

我想你也可以計算升降曲線的AUC,但沒有看到或聽說過這樣做,因此,可能需要您自己實施。然而,因爲(據我所知)這不是一個熟悉的統計數據,你向誰呈現結果的觀衆可能會質疑爲什麼當ROC的AUC被廣泛接受和理解時,你選擇使用它。

+0

順便說一句,我忘了提到響應變量是連續的。對於迴歸問題,是否有與ROC/AUC相似的度量標準? – kokoma