根据分类精度计算曲线下面积

时间:2015-02-16 12:26:33

标签: classification roc auc naivebayes

我有一项任务:

使用朴素贝叶斯,我们在一些数据上建立了一个模型,包含2个类(模型返回2个概率 - 一个用于正类,一个用于负类)。我们计算了ROC曲线下面积AUC = 0.8和分类精度CA = 0.6,阈值设置为0.5(如果正类的一些例子的概率高于0.5,我们预测该例的正类,否则为负类)。然后我们发现如果我们将阈值设置为0.3,则分类精度变为CA = 0.7。第二个阈值的AUC是多少?如果结果取决于初始数据,则提供所有可能性。

我该如何计算?

1 个答案:

答案 0 :(得分:0)

不确定这是否有资格作为答案,但ROC AUC是敏感度和特异性超过所有分类阈值的积分。因此,您无法计算特定阈值的AUC。