ROC-AUC

Eval

ROC-AUC | แนวทางเลือก threshold และเปรียบเทียบโมเดล

Created: Last updated: Read time: 1 min
まとめ
  • ROC curve แสดงความสัมพันธ์ระหว่าง TPR และ FPR ในทุก threshold
  • ROC-AUC วัดความสามารถในการแยกคลาสโดยรวม
  • ใช้เปรียบเทียบโมเดลโดยไม่ต้องกำหนด threshold คงที่

1. นิยาม #

$$ \text{TPR} = \frac{TP}{TP + FN}, \qquad \text{FPR} = \frac{FP}{FP + TN} $$

ROC-AUC คือพื้นที่ใต้ ROC curve

2. ใช้เมื่อไร #

  • เปรียบเทียบโมเดลแบบไม่ยึด threshold
  • ใช้คัดเลือกโมเดลเบื้องต้น

3. ข้อควรระวัง #

  • เมื่อคลาสบวกหายาก PR-AUC มักสะท้อนผลได้ดีกว่า
  • ตรวจสอบ confusion matrix ที่ threshold ที่ใช้งานจริง