Sa pamamagitan ng konstruksyon, ang AUC ay hindi maaaring maging negatibo. … Kahit na ang asul na linya ay nasa ibaba ng curve ng "random model" (ang dayagonal), magkakaroon ito ng positibong AUC.
Ano ang masamang marka ng AUC?
Statistical Analysis
Ang lugar sa ilalim ng ROC curve (AUC) na mga resulta ay itinuturing na mahusay para sa mga halaga ng AUC sa pagitan ng 0.9-1, mabuti para sa mga halaga ng AUC sa pagitan ng 0.8-0.9, patas para sa mga halaga ng AUC sa pagitan ng 0.7-0.8, mahirap para sa mga halaga ng AUC sa pagitan ng 0.6-0.7 at nabigo para sa mga halaga ng AUC sa pagitan ng 0.5-0.6.
Ano ang katanggap-tanggap na AUC?
LUGAR SA ILALIM NG ROC CURVE
Sa pangkalahatan, ang AUC na 0.5 ay nagmumungkahi ng walang diskriminasyon (ibig sabihin, kakayahang mag-diagnose ng mga pasyenteng may at walang sakit o kundisyon batay sa pagsusuri), 0. Ang 7 hanggang 0.8 ay itinuturing na katanggap-tanggap, ang 0.8 hanggang 0.9 ay itinuturing na mahusay, at higit sa 0.9 ang itinuturing na natitira.
Bakit masama ang AUC para sa Imbalanced Data?
Bagaman malawakang ginagamit, ang ROC AUC ay walang problema. Para sa hindi balanseng pag-uuri na may matinding skew at ilang mga halimbawa ng minority class, ang ROC AUC ay maaaring mapanlinlang. Ito ay dahil ang kaunting bilang ng tama o maling hula ay maaaring magresulta sa malaking pagbabago sa ROC Curve o ROC AUC na marka.
Dapat bang mataas o mababa ang AUC?
Ang Area Under the Curve (AUC) ay ang sukatan ng kakayahan ng isang classifier na makilala ang mga klase at ginagamit bilang buod ng ROC curve. Kung mas mataas ang AUC, mas mahusay ang performance ng modelo sa pagkilala sa pagitan ng positibo at negatibong mga klase.
