決策樹與隨機森林ppt課件-資料下載頁
2025-01-06 05:07本頁面
【正文】 (negative)。 ? 對一個二分問題來說，會出現(xiàn)四種情況。如果一個實例是正類并且也被 預測成正類，即為真正類 (True positive),如果實例是負類被預測成正類，稱之為假正類 (False positive)。相應地，如果實例是負類被預測成負類，稱之為真負類 (True negative),正類被預測成負類則為假負類 (false negative)。 52/60 混淆矩陣 (Confusion Matrix) ? TP：正確肯定 ——實例是正例，劃分為正例 ? FN：漏報 ——實際是正例，卻劃分成了負例 ? FP：誤報 ——實際是負例，卻劃分成了正例 ? TN：正確拒絕 ——實例是負例，劃分為負例 53/60 ? 誤分率 Error Rate： (FN+FP) / C ? 準確度 Accuracy ： (TP+TN) / C ? 查準率 Recall： TP / (TP + FP) ? 假正類率 (False Positive Rate, FPR)： FP/ (FP + TN) ? 虛報概率，代價 (costs) ? 真正類率 (true positive rate ,TPR)： TP/(TP+FN) ? 擊中概率，收益 (benefits) ? 思考：可否按此模式，定義“真負類率 TNR”？ 54/60 使用 TPR和 FPR分析二分類模型 ? 對于一個二分類模型，假設已確定一個閥值，比如說 ，大于這個值的實例劃歸為正類，小于這個值則劃到負類中。如果減小閥值，比如減到 ，一方面，能識別出更多的正類，即提高 TPR(樣本集合的正例總數(shù)沒變 )；另一方面，也將更多的負實例當作了正實例，即提高了 FPR。 ? 根據(jù)不同的閾值，將離散點 (TPR,FPR)繪制成曲線，就得到 ROC曲線，可以用于評價一個分類器。 ? Receiver Operating Characteristic，接受者操作特性曲線 55/60 ROC曲線 ? 以假正類率 FPR為橫軸，真正類率 TPR為縱軸，得到 ROC曲線 ? 虛報概率 (代價 )為橫軸，擊中概率 (收益 )為縱軸 56/60 ROC曲線的分析 ? 對于一個分類器， ? 每個閾值對應一個 (TPR， FPR)； ? 閾值最大時，沒有實例被分成正例，因此，TP=FP=0，對應于原點 (0,0)； ? 閾值最小時，所有實例都被分成正例，TN=FN=1，對應于右上角的點 (1,1)； ? 隨著閾值從最大變化到最小， TP和 FP都逐漸增大。 57/60 ROC曲線實例 58/60 使用 ROC曲線評價分類器 ? 在 ROC曲線中，通常，如果曲線 X始終位于曲線 Y的左上方，則曲線 X優(yōu)于曲線 Y。這意味著，對于所有可能的錯誤分類代價， X分類器的正分類率總是比 Y要高。 ? 如果一條 ROC曲線是經(jīng)過 (0,0)和 (1,1)的直線，則該分類器為隨機猜測分類器。 ? 如果 X并不總是位于 Y的左上側，可以使用 ROC曲線下方的面積作為度量，即： AUC值。 ? Area Under roc Curve 59/60 參考文獻 ? Elements of Information Theory (Cover amp。 Thomas) ? Pattern Recognition and Machine Learning, Bishop M, SpringerVerlag, 2022 ? 統(tǒng)計學習方法，李航著，清華大學出版社， 2022年 ? Jamie Shotton, Andrew Fitzgibbon, etc, RealTime Human Pose Recognition in Parts from Single Depth Images, 2022 ? 60/60 謝謝大家！ 懇請大家批評指正！
教學課件相關推薦
鄂ICP備17016276號-1