Я использую WKEA для классификации. Я использую два алгоритма adaboost и RBFNetwork. Неожиданно оба этих алгоритмов не работает хорошо на моих данных и дает следующие результаты:ROC результат интерпретации
Adaboost RBFNetwrok
Precision : 0 0
Recall : 0 0
F1-score : 0 0
Accuracy : 91.36 91.36
ROC_AUC : 77.11 64.26
Мы можем видеть, что оба алгоритма дают одинаковые значения для 4 Метрика (точность, напомним, f1-оценка, точность) , но они дают разные результаты для ROC_AUC.
Я не могу понять, как это возможно? Я делаю ошибку?
Пожалуйста, дайте мне знать.
В классификации мы берем порог 0,5. Теперь, если экземпляр имеет значение доверия больше 0,5, мы предсказываем его как положительный экземпляр, иначе мы прогнозируем его как отрицательный экземпляр. Это означает, что, принимая различное значение порога, мы можем различать значение точности. Это верно и для ROC-AUC? – Sangeeta
Вам не нужно принимать порог в 0,5 для классификации. Это полностью зависит от вас. В этом весь смысл анализа ROC: варьировать порог, видеть, как изменяется чувствительность и специфичность, и получать среднее значение по всем пороговым значениям. – Calimo