多元分类的roc auc

  统计/机器学习 监督式学习 损失函数
3

二元分类我们可以用roc auc作为分类器的评判标准,不知道有没有类似roc auc的评价标准可以用于评价一个多元分类器的好坏?


 

魏哲   2017-07-20 13:39



   1个回答 
6

ROC AUC是可以拓展到多元分类问题上。常见有两种拓展思路。

一个是Peter Flach的体积法。因为二元分类是AUC面积,三元很自然就是某个曲面下的体积,也就是Volumn under Surface。更多元就到了更高维空间。具体可以参考这个

第二种思路是更实际的方法,one-vs-rest。比如说是四元分类(A,B,C,D)问题,把A看作一类,BCD合起来看成一类,然后对预测结果做正常的二元ROC AUC;下面把B看作一类,ACD合起来看成一类,再得到一个ROC AUC。以此类推,所以k元分类问题就可以得到k个ROC AUC。把这k个数值取均值就可以得到这个多元分类的ROC AUC。


山中人   2017-09-07 10:05

感觉第二个one-vs-rest方法可以让任何二元分类的metric拓展到多元分类问题上,不错不错 - 风云使者   2017-09-09 12:36


相关问题

二元分类什么时候用LogLoss、什么时候用ROC AUC?如何选择?   1回答

python里什么模块可以计算精度-召回(precision-recall)的AUC?   1回答

精度召回precision recall auc是什么?   1回答

sklearn.metric.auc函数计算出的结果很奇怪   1回答

如何利用python画分类器的ROC曲线?   1回答

怎么直观理解ROC AUC的概率统计意义?   1回答

sklearn.preprocessing.StandardScaler采用的是哪种标准化的方法?   1回答

R里有没有package可以画ROC,计算AUC的?   1回答

cross entropy是什么意思?   1回答

logloss的取值范围是多少?一般好的分类器能达到多少?   4回答

Hamming Loss汉明损失的计算公式是什么?   1回答

怎么理解surrogate loss function代理损失函数?   2回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!