ROC结果解释

时间:2016-12-30 09:29:04

标签: classification weka roc

我正在使用WKEA进行分类。我使用两个算法adaboost和RBFNetwork。令人惊讶的是,这两种算法在我的数据上都表现不佳,并给出了以下结果:

                  Adaboost       RBFNetwrok
      Precision :  0               0

      Recall     : 0               0

      F1-score   : 0               0

     Accuracy   : 91.36           91.36

     ROC_AUC   : 77.11         64.26

我们可以看到两种算法都给出了4个度量(精度,回忆,f1得分,准确度)相同的值,但它们为ROC_AUC提供了不同的结果。

我无法理解,怎么可能?我在做错误吗?

请告诉我。

1 个答案:

答案 0 :(得分:2)

这绝对正常。 AUC集成在所有阈值上,而精确度则在单个阈值上进行测量。这意味着ROC曲线可能看起来完全不同,具有不同的AUC,但在某个阈值(红色圆圈)仍然具有共同的准确度:

A smooth ROC curve and one with a single threshold