machine-learning - ROC 曲线显示奇怪的模式

Question

我有一个数据集，其中添加了 10-30% 的人工数据，并运行算法来分类哪些数据是原始数据，哪些数据是人工数据。我得到了附加的 ROC 曲线。我从未见过 ROC 曲线像这样结束。难道我做错了什么？或者这样的模式是可能的吗？如果是这样，其解释是什么？

谢谢

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，您可能会看到与您所显示的类似的 ROC 曲线。最初(如您的图中所示)，ROC 曲线会急剧增加，因为它覆盖了真阳性 (TP) 分布的主峰。接下来，您将获得一个相对平坦的区域，在该区域中累积误报 (FP)，而 TP 不会增加太多。然后，您将遇到第二组 TP。

我猜测您的人工数据更接近 TP 主簇的质心，这就是为什么添加更多人工数据往往会削弱较小的 TP 簇并使其看起来更像典型的 ROC 曲线。

正如我在评论中提到的，在没有任何人工数据的情况下绘制 ROC 曲线将提供丰富的信息。此外，显示在 TP 率接近 1 的图尾端放大的版本可能会提供信息(即，看看它是否在接近 1 时变平)。