ROC曲线：修订间差异

来自决策链云智库
（创建页面，内容为“{{Infobox nodebasic|nodename=ROC曲线|nodeimage=ROC Curve.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在 V1.0部署|nodeenglishname=Has english name::ROC Curve|abbreviation=ROC|funcmaincategory=机器学习|funcsubcategory=Eva Lv1 Cat::模型评估|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>ROC（Receiver Operating Characteristic）曲线是评估二分类模型性能的一种常…”）
 
无编辑摘要
第1行： 第1行：
{{Infobox nodebasic|nodename=ROC曲线|nodeimage=ROC Curve.png|developer=Dev.Team-DPS|productionstate=PC可用|productionstatedesc=在[[DecisionTree | V1.0]]部署|nodeenglishname=[[Has english name::ROC Curve]]|abbreviation=ROC|funcmaincategory=机器学习|funcsubcategory=[[Eva Lv1 Cat::模型评估]]|nodecategory=数据挖掘|nodeinterpretor=R|nodeshortdescription=<p>ROC（Receiver Operating Characteristic）曲线是评估二分类模型性能的一种常用方法。它以分类器的真阳性率（True Positive Rate，TPR）为纵轴，假阳性率（False Positive Rate，FPR）为横轴，通过改变分类器的阈值来绘制曲线。</p>|nodeinputnumber=2|nodeoutputnumber=2|nodeloopsupport=否|nodeifswitchsupport=否|nodeavailableplotlist=ROCPlot|nodeavailabletablelist=|nodeconfiguration=|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■|statsapewikiurl=https://wiki.statsape.com/ROC曲线_Plus|previousnode=[[基础评估节点]]|nextnode=[[PR曲线]]}}{{Navplate AlgorithmNodeList}}[[Category:模型评估]]
{{Infobox nodebasic  
|nodename=ROC曲线
|nodeimage=ROC Curve.png
|developer=Dev.Team-DPS
|productionstate=PC可用
|productionstatedesc=在[[DecisionLinnc | V1.0]]部署
|nodeenglishname=[[Has english name::ROC Curve]]
|abbreviation=[[Has abbreviation::ROC]]
|funcmaincategory=机器学习
|funcsubcategory=[[Eva Lv1 Cat::模型评估]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeshortdescription=<p>ROC（Receiver Operating Characteristic）曲线是评估二分类模型性能的一种常用方法。它以分类器的真阳性率（True Positive Rate，TPR）为纵轴，假阳性率（False Positive Rate，FPR）为横轴，通过改变分类器的阈值来绘制曲线。</p>
|nodeinputnumber=2
|nodeoutputnumber=2
|nodeloopsupport=否
|nodeifswitchsupport=否
|nodeavailableplotlist=ROCPlot
|nodeavailabletablelist=
|nodeconfiguration=
|nodeinputports=WorkFlow-Control ▶;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ▶;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/ROC曲线
|previousnode=[[基础评估节点]]
|nextnode=[[ROC曲线]]
}}
 
 
{{Navplate AlgorithmNodeList}}
 
[[Category:模型评估]]

2023年12月4日 (一) 22:14的版本

ROC Curve.png
节点状态
PC可用
在 V1.0部署
ROC曲线
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名ROC Curve
功能主类别机器学习
英文缩写ROC
功能亚类别模型评估
节点类型数据挖掘
开发语言R
节点简介

ROC（Receiver Operating Characteristic）曲线是评估二分类模型性能的一种常用方法。它以分类器的真阳性率（True Positive Rate，TPR）为纵轴，假阳性率（False Positive Rate，FPR）为横轴，通过改变分类器的阈值来绘制曲线。

端口数量与逻辑控制(PC)
Input-入口2个
Output-出口2个
Loop-支持循环否
If/Switch-支持逻辑判断否
输入输出
可生成图片类型（推荐）
可生成数据表类型（推荐）
可配置参数例型
相关节点
上一节点基础评估节点
下一节点ROC曲线
WikimediaUI-Globe.svg相关网站



属性“Nodeicon”（作为页面类型）与输入值“File:”包含无效字符或不完整，并因此在查询或注释过程期间导致意外结果。


查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=ROC曲线&oldid=2485”
最近修改
此页面最后编辑于2023年12月4日 (星期一) 22:14。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].