ROC, AUC ve Eşikler
Farklı eşiklerde sıralama kalitesini değerlendirme
ROC, AUC ve Eşikler, CoddyKit'te ücretsiz bir Data Science Academy dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Data Science Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Data Science Academy kursu toplamda 4 dersten oluşur.
Modeller Olasılık Üretir
Çoğu sınıflandırıcı yalnızca evet veya hayır demez. 0.73 gibi bir olasılık verir ve çizgiyi nereye çekeceğinize siz karar verirsiniz. 🎚️
probs = model.predict_proba(X)[:, 1]Karar Eşiği
Bir eşik, olasılığı etikete dönüştürür. Eşiğin üzeri pozitif, altı negatiftir. Varsayılan 0.5 yalnızca seçeneklerden biridir.
y_pred = probs >= 0.5Çizgiyi Hareket Ettirmek
Eşiği düşürürseniz daha fazla pozitifi yakalarsınız, ancak yanlış alarmlar artar. Yükseltirseniz daha seçici olursunuz, fakat daha fazlasını kaçırırsınız. Her ayar bir ödünleşim içerir.
İzlenecek İki Oran
Eşik hareket ederken doğru pozitif oranını yanlış pozitif oranına göre izleyin. Bu ikisi birlikte, modeli her kesme noktasında tanımlar.
ROC Eğrisi
ROC eğrisi, tüm eşikler boyunca doğru pozitif oranını yanlış pozitif oranına karşı çizer ve ödünleşimin tamamını tek bir görselde gösterir.
from sklearn.metrics import roc_curve
fpr, tpr, thr = roc_curve(y_true, probs)Şekli Okumak
Sol üst köşeye yakın duran bir eğri mükemmeldir: az sayıda yanlış alarmla yüksek yakalama oranı sağlar. Köşegen bir çizgi, rastgele tahmin anlamına gelir.
Eğrinin Altındaki Alan
AUC, tüm ROC eğrisini tek bir sayıya, yani altındaki alana indirger. Her eşikteki performansı aynı anda özetler.
from sklearn.metrics import roc_auc_score
roc_auc_score(y_true, probs)AUC Ne Anlama Gelir
AUC değerinin 1.0 olması kusursuz, 0.5 olması yazı-tura düzeyinde rastgele sonuç anlamına gelir. Bunu, modelin gerçek bir pozitifi gerçek bir negatifin üzerinde sıralama olasılığı olarak yorumlayın.
Eşikten Bağımsız Karşılaştırma
AUC tek bir kesme noktasını göz ardı ettiği için modelleri karşılaştırmakta harikadır. Kazanan model, pozitifleri negatiflerin önünde daha sık sıralar.
Sonra Bir Eşik Seçin
AUC modeli seçer, ancak gerçek kullanım için eşiği yine sizin belirlemeniz gerekir. Eşiği, probleme göre duyarlılığı veya kesinliği öne çıkaracak şekilde ayarlayın.
PR Eğrileri Ne Zaman Tercih Edilir
Son derece dengesiz verilerde ROC olduğundan iyi görünebilir. Kesinlik-duyarlılık eğrisi, nadir sınıfların performansı hakkında çoğu zaman daha gerçekçi bir tablo sunar.
Hızlı Kontrol
AUC'nin bir sınıflandırıcı hakkında gerçekten ne söylediğini doğrulayalım.
Özet
Eşik, olasılıkları etiketlere dönüştürür; ROC eğrisi tüm ödünleşimleri gösterir ve AUC tüm eğriyi tek seferde puanlar. 🎯
Yapay zeka eğitmeniyle Python öğren — ücretsiz
Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.
- Kurslar
- 30
- Dersler
- 120
Sıkça Sorulan Sorular
“ROC, AUC ve Eşikler” dersi ücretsiz mi?
Evet — “ROC, AUC ve Eşikler” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Data Science Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Data Science Academy kursu toplamda 4 dersten oluşur.
“ROC, AUC ve Eşikler” dersinde ne öğreneceğim?
Farklı eşiklerde sıralama kalitesini değerlendirme Data Science Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Data Science Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Data Science Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.
“ROC, AUC ve Eşikler” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Data Science Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Data Science Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Regresyon Ölçütleri: MAE, MSE, R2
- Karmaşıklık Matrisini Çözümleme
- Kesinlik, Duyarlılık ve F1
- ROC, AUC ve Eşikler