Area sotto la metrica di valutazione ROC
L'area sotto la metrica ROC misura la capacità del modello di identificare le differenze tra le classi.
Dettagli metrica
L'area sotto la caratteristica di ricezione (ROC) è una metrica di valutazione della qualità che misura la qualità delle prestazioni dei modelli di apprendimento automatico di classificazione binaria in watsonx.governance.
Ambito
L'area sotto la metrica ROC valuta solo i modelli di apprendimento automatico.
Tipi di risorse AI : Modelli di apprendimento automatico
Tipo di problema di apprendimento automatico : Classificazione binaria
Punteggi e valori
Il punteggio della metrica Area under ROC indica la capacità del modello di identificare le differenze tra le classi. Punteggi più alti indicano migliori prestazioni del modello nell'identificazione delle classi.
- Intervallo di valori : 0.0-1.0
- Il miglior punteggio possibile : 1.0
- Valori del grafico : Ultimo valore nel timeframe
Un punteggio di 0.5 suggerisce un'ipotesi casuale, mentre un punteggio di 1.0 rappresenta una classificazione perfetta.
Impostazioni
Soglia predefinita : Limite inferiore = 80%
Processo di valutazione
L'area sotto la metrica ROC viene calcolata tracciando il tasso di veri positivi (TPR) e il tasso di falsi positivi (FPR) per diversi valori di soglia. Per ogni soglia, viene generata una matrice di confusione che specifica le classi di veri positivi, falsi positivi, veri negativi e falsi negativi.
Il TPR e l'FPR vengono calcolati con queste classi e tracciati su un grafico per creare la curva ROC. L'area sotto questa curva viene calcolata per generare il punteggio della metrica.