classification - 过度拟合和 ROC 曲线-6ren

classification - 过度拟合和 ROC 曲线

转载作者：行者123 更新时间：2023-12-04 02:17:17

26

4

是否可以仅通过查看其 ROC 曲线来了解分类器是否过度拟合？我看到如果它的 AUC 太高(例如 98%)可能会过度拟合，但这也可能意味着分类器非常好。有没有办法区分这两种情况？

最佳答案

简短的回答:不，你不能。

长答案:要估计过度拟合，您需要在独立数据集上评估您的模型。或者使用交叉验证或类似的方法。

关于classification - 过度拟合和 ROC 曲线，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33138218/

26

4

0

文章推荐： angularjs - UI 路由器 $stateparams 未在 $state.go() 中注册

文章推荐： r - 使用 grid_draw 方法而不是 gridExtra 保存绘图

文章推荐： ruby-on-rails - has_many :through Association - Modification?

r - 绘制多条 ROC 曲线的平均 ROC 曲线，R
我有一个包含 100 个样本的数据集，每个样本都有 195 个突变，具有相应的已知临床意义(“RealClass”)和根据某些预测工具的预测值(“PredictionValues”) 为了演示，这是一
machine-learning - Keras ROC 与 Scikit ROC 不同？
从下面的代码中，看起来使用 keras 和 scikit 评估 roc 实际上有所不同。有人知道解释吗？ import tensorflow as tf from keras.layers impor
使用 multiclass.roc 的 R 多类/多项式分类 ROC(包 ‘pROC’)
我很难理解 multiclass.roc 参数应该是什么样子。这是我的数据快照: > head(testing.logist$cut.rank) [1] 3 3 3 3 1 3 Levels: 1 2
ROC 曲线看起来不正确
我已经使用 ROCR 包绘制了 2 类问题的 ROC 曲线。根据我的理解，至少对于较小的数据集，曲线应该看起来像阶跃变化图。我的输入实际上很小，但我得到的曲线基本上看起来是直线。是因为 PROC 适合
r - 优化插入符号的灵敏度似乎仍然优化 ROC
我正在尝试使用 rpart 在插入符号中最大限度地提高模型选择的灵敏度。为此，我尝试复制此处给出的方法(向下滚动到使用用户定义函数 FourStat 的示例)caret's github page #
r - "ROC"指标不在结果集中
我正在尝试使用插入符包生成随机森林模型，使用 ROC 曲线下的面积作为训练指标，但我收到以下警告: Warning message: In train.default(x = TrainData, y
用于随机森林分类的 ROC 曲线
我在 R 平台中使用 randomForest 包进行分类任务。 rf_object<-randomForest(data_matrix, label_factor, cutoff=c(k,1-k))
R 插入符保留样本和测试集 ROC
我正在构建两个不同的分类器来预测二进制结果。然后我想通过使用 ROC 曲线及其下面积 (AUC) 来比较两个模型的结果。我将数据集分为训练集和测试集。在训练集上，我执行一种形式的交叉验证。从交叉验证
python - 如何计算多类交叉验证的平均 ROC
我最近在为我的项目使用 sklearn 时遇到困难。我想构建一个分类器并将我的数据分为六组。总样本量为 88 然后我将数据分成 train(66) 和 test(22)我完全按照 sklearn 文档
python - 用于多类分类的 ROC
我正在进行不同的文本分类实验。现在我需要计算每个任务的 AUC-ROC。对于二进制分类，我已经使用以下代码使其工作: scaler = StandardScaler(with_mean=False)
python - 绘制多类问题的 ROC 曲线
我正在尝试应用 sklearn 的想法 ROC extension to multiclass到我的数据集。我的每类 ROC 曲线看起来都找到了一条直线，取消显示曲线波动的 sklearn 示例。我
r - 如何为不同的插入符号训练模型绘制 AUC ROC？
这是一个代表 library(caret) library(dplyr) set.seed(88, sample.kind = "Rounding") mtcars % mutate(am = a
r - 从数据框中手动创建 ROC 曲线
我有以下概念问题，我无法理解。以下是调查数据示例，其中我有一个时间列，指示某人需要多长时间才能回答某个问题。现在，我感兴趣的是清洁量将如何根据此阈值发生变化，即如果我增加阈值会发生什么，如果我降低
c - 误报概率图和 ROC 曲线
如何为使用视频的对象检测应用绘制每个窗口的误报率与未命中率(或误报概率)和 ROC(接收器操作曲线)的图表？如何确定误报和命中的数量？一个例子是很有用。最佳答案它很简单。将所有真正 (H0) 值存
r - 从随机森林分类中绘制 ROC 曲线
我正在尝试绘制随机森林分类的 ROC 曲线。绘图有效，但我认为我绘制了错误的数据，因为生成的绘图只有一个点(准确性)。这是我使用的代码: set.seed(55) data.controls <
r - 使用插入符号中的提升从两种不同的算法绘制 ROC 曲线
我有如下两个模型: library(mlbench) data(Sonar) library(caret) set.seed(998) my_data <- Sonar fitControl <-
ROC 的 R 编码
我很难将 ROC 的示例命令转换为我的数据集。这是用于 pROC 包这是使用数据(aSAH)的例子 roc(aSAH$outcome, aSAH$s100b) roc(outcome ~ s100b
多类 kNN 中的 ROC
我试图在多类 knn 模型和数据集上运行一些 ROC 分析到目前为止，我有 kNN 模型的这段代码。它运作良好。X_train_new是一个包含 131 个数值变量(列)和 7210 个观测值的数据
classification - 过度拟合和 ROC 曲线
是否可以仅通过查看其 ROC 曲线来了解分类器是否过度拟合？我看到如果它的 AUC 太高(例如 98%)可能会过度拟合，但这也可能意味着分类器非常好。有没有办法区分这两种情况？最佳答案简短的回答:
r - 更改 ROC 图表的比例
在运行逻辑回归后，我使用以下代码绘制 ROC 曲线。 fit1 <- glm(formula=GB160M3~Behvscore, data=eflscr,family="binomial", na.

首页

博学

6Ren·AI

商城

classification - 过度拟合和 ROC 曲线