Получив эти результаты, созданные вручную, вы можете передать их для любой из функций точности / возврата, которым необходимо изменить пороговое значение. Это не идеально, но, по крайней мере, дает представление о том, насколько хорошо граница принятия решений используется для классификации.
тоящее время я работаю с кривыми auc-roc и, скажем, у меня есть классификатор без ранжирования, например SVM с одним классом, где прогнозы либо 0, либо 1, а прогнозы не преобразуются в вероятности или оценки легко, если я не хочу вместо того, чтобы построить AUC-ROC, я хотел бы только рассчитать AUC, чтобы использовать его, чтобы увидеть, насколько хорошо работает моя модель. Могу ли я это сделать? будет ли он еще называться или как AUC, особенно если есть два порога, которые можно использовать (0, 1)? если бы это было так же хорошо, как вычисление AUC с оценками рейтинга
Теперь давайте скажем, что я решил построить AUC-ROC, используя метки, созданные SVM (0,1), это будет выглядеть так, как показано ниже.
будет ли он еще считаться и AUC-кривой?
большое спасибо за вашу помощь и поддержку
Примечание. Я прочитал приведенные ниже вопросы и не нашел ответа:https://www.researchgate.net/post/How_can_I_plot_determine_ROC_AUC_for_SVM https://stats.stackexchange.com/questions/37795/roc-curve-for-discrete-classifiers-like-svm-why-do-we-still-call-it-a-curve