ROC曲线显示奇怪的模式

Question

我有一个数据集，我添加了10-30％的人工数据并运行算法来分类哪些数据是原始的和什么是人为的。我得到了附加的ROC曲线。我从未见过ROC曲线那样结束。难道我做错了什么？或者这样的模式是可能的？如果是这样，它的解释是什么？

由于

Answer 1

如果您的目标数据具有不平衡的双峰分布，并且噪声/背景分布位于两种模式之间，您可以看到类似于您所显示的ROC曲线。最初（就像在你的情节中一样），当ROC曲线覆盖真阳性（TP）分布的主峰时，你的ROC曲线会急剧增加。接下来，你将有一个相对平坦的区域，你积累误报（FP），而TP没有太大的增加。然后，你会点击第二个TP集群。

我猜你的人工数据更接近主要TP集群的质心，这就是为什么添加更多的人工数据往往会削弱较小的TP集群，使其看起来更像典型的ROC曲线。

正如我在评论中提到的那样，在没有任何人工数据的情况下绘制ROC曲线是有益的。此外，可以提供信息，以显示在TP速率接近1的情节的尾端放大的版本（即，当它接近1时看它是否变平）。