文件名称：Roc 曲线的置信带-研究论文
文件大小：134KB
文件格式：PDF
更新时间：2024-06-29 23:36:40
论文研究
在本文中，我们研究了在 ROC 曲线上生成和评估置信带的技术。 ROC 曲线评估正Swift成为机器学习中常用的评估指标，尽管评估 ROC 曲线迄今为止仅限于研究曲线下面积 (AUC) 或通过冻结一个变量来生成一维置信区间——假阳性率，或分类评分函数的阈值。医学领域的研究人员长期以来一直在使用ROC曲线，并且有许多经过充分研究的方法来分析此类曲线，包括生成置信区间以及同时置信带。在本文中，我们将这些技术介绍给机器学习社区并展示他们在 Covertype 数据集上的经验适应度——来自 UCI 存储库的标准机器学习基准。 我们展示了这些方法中的一些如何工作得非常好，其他方法太松散了，并且现有的用于生成一维置信区间的机器学习方法不能很好地转化为同步带的生成——“他们的带太紧了。