machine-learning - 为什么当我使用更多变量时，ROC 中的曲线下面积 (AUC) 会减少？-6ren

machine-learning - 为什么当我使用更多变量时，ROC 中的曲线下面积 (AUC) 会减少？

转载作者：太空宇宙更新时间：2023-11-03 20:04:58

25

4

我的数据集包含 100 个特征的 400 个观察值。 400 个观测值中的每一个都属于 2 个类中的 1 个。

我正在 MATLAB 中训练神经网络 ( patternet(15) ) 以对该数据集进行分类。
我不会一次使用所有功能，但首先使用一个功能 (400x1)，然后添加第二个功能 (400x2)，依此类推。在每一步我都使用 perfcurve 计算 AUC .

这是我的问题:

AUC 在变化，但它并不总是随着每个额外的输入而变大。
当我使用更多功能来训练网络时，AUC 不应该增加吗？ (我在 divideind 中始终使用相同的划分)。

感谢所有评论和帮助!谢谢!

最佳答案

也许第一个特征更具辨别力，而最后一个特征只会增加噪声!您可以尝试运行一个随机森林，看看哪些特征在类别之间最具辨别力

关于machine-learning - 为什么当我使用更多变量时，ROC 中的曲线下面积 (AUC) 会减少？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19810052/

25

4

0

文章推荐： python - 齐柏林飞艇 : how to print pandas dataframe with index?

文章推荐： html - 可滚动侧边栏内的 Flexbox 粘性页脚

文章推荐： c# - 发送广播包问题

auc - 在 SQL 中计算 AUC
在 SQL 中计算 AUC 的最佳方法是什么？这是我得到的(假设表 T(label, confid) 和 label=0,1): SELECT sum(cumneg * label) * 1e0 /
python - Tensorflow尝试使用未初始化的值AUC/AUC/auc/false_positives
我正在训练用于图像分类的CNN。由于我的数据集有限，我正在使用转移学习。基本上，我使用的是Google在其再培训示例(https://www.tensorflow.org/tutorials/imag
python - AUC 与 GridSearchCV AUC 有何不同？
我正在 sci-kit learn 中构建 MLPClassifier 模型。我使用 gridSearchCV 和 roc_auc 对模型进行评分。训练和考试的平均成绩在 0.76 左右，还不错。 c
tensorflow - Keras，训练期间验证集上的 auc 与 sklearn auc 不匹配
我使用我的测试集作为验证集。我使用了与 How to compute Receiving Operating Characteristic (ROC) and AUC in keras? 类似的方法
scikit-learn - sklearn RandomForestClassifier 与 auc 方法中 ROC-AUC 分数的差异
我分别从 sklearn 的 RandomForestClassifier 和 roc_curve、auc 方法收到不同的 ROC-AUC 分数。以下代码让我获得了 0.878 的 ROC-AUC(
python - 手动计算 AUC
如何获得具有 fpr 和 tpr 的 AUC 值？ Fpr 和 tpr 只是从这些公式中获得的 2 个浮点数: my_fpr = fp / (fp + tn) my_tpr = tp / (tp +
python - 如何在sklearn的交叉验证中获得多类roc auc？
我有一个分类问题，我想在 sklearn 中使用 cross_validate 获取 roc_auc 值。我的代码如下。 from sklearn import datasets iris = dat
python - 如何在sklearn的交叉验证中获得多类roc auc？
我有一个分类问题，我想在 sklearn 中使用 cross_validate 获取 roc_auc 值。我的代码如下。 from sklearn import datasets iris = dat
python - 如何计算部分曲线下面积 (AUC)
在 scikit learn 中，您可以使用以下方法计算二元分类器的曲线下面积 roc_auc_score( Y, clf.predict_proba(X)[:,1] ) 我只对误报率小于 0.1 的
python - AUC 的网格搜索查找参数
我正在尝试为我的 SVM 找到参数，这些参数会给我最好的 AUC。但是我在 sklearn 中找不到 AUC 的任何评分函数。有人有想法吗？这是我的代码: parameters = {"C":
r - 如何为不同的插入符号训练模型绘制 AUC ROC？
这是一个代表 library(caret) library(dplyr) set.seed(88, sample.kind = "Rounding") mtcars % mutate(am = a
xgboost 正确使用 auc 指标
对于二元分类问题，我有一个略微不平衡的数据集，正负比为 0.6。我最近从这个答案中了解到了 auc 指标:https://stats.stackexchange.com/a/132832/12822
python - PySpark:如何评估机器学习推荐算法的 AUC？
我有一个 Spark 数据框，如下所示: predictions.show(5) +------+----+------+-----------+ | user|item|rating| predi
python - 为什么在相同数据和相同算法上评估时会产生两个不同的 AUC 分数
我正在研究一个分类问题，其评估指标为 ROC AUC。到目前为止，我已经尝试使用具有不同参数的 xgb 。这是我用来采样数据的函数。并且可以找到相关笔记本here (google colab) def
python - 计算 AUC 曲线时如何创建阈值？
我对 python 中的 scikit-learn 中如何生成阈值感到困惑。对于以下示例，生成了四个阈值，当我将 pred 中的第三个值更改为 0.6 时，阈值数量降至 3。任何人都可以解释为什么会这
python - 测试准确率较低但 AUC 分数较高的可能原因
假设我有一个如下所示的数据集: word label_numeric 0 active 0 1 adventurous 0 2 aggressive 0 3 aggressi
python - ROC-AUC 的倒数？
我有一个分类问题，需要根据给定的数据预测 (0,1) 类。基本上我有一个包含超过 300 个特征(包括预测目标值)和超过 2000 行(样本)的数据集。我应用了不同的分类器，如下所示: 1. Dec
python - pandas 数据框中重置索引可提高预测模型的 AUC
我的目标是找到预测模型来确定是否偿还贷款。我的来源是一个 CSV 文件，其中包含贷款特征以及是否已偿还。我使用 ROC 曲线和 AUC 评估模型的性能 df = pd.read_csv(your_pa
machine-learning - 为什么我们要在分类问题中最大化 AUC？
我想知道为什么我们的目标是在最大化准确率时最大化 AUC？我认为，除了最大化准确性的主要目标之外，AUC 也会自动变大。最佳答案我想我们使用 AUC 是因为它解释了我们的方法能够在多大程度上独立
python - AUC 高，但数据不平衡导致预测不佳
我正在尝试在非常不平衡的数据集上使用 LightGBM 构建分类器。不平衡的比例为 97:3，即: Class 0 0.970691 1 0.029309 我使用的参数和训练代码如下所示。

首页

博学

6Ren·AI

商城

machine-learning - 为什么当我使用更多变量时，ROC 中的曲线下面积 (AUC) 会减少？