评估曲线

标签：没有   比例   有一个   能力   最大值   好的   lin   并且   阈值   

曲线: P-R
X轴是Percision, Y轴是Reall。
Percision=TP/FP+TP，也就是预测是阳性并且正确的/预测是阳性的。这个值大意味着这个模型预测出来的阳性很多都是对的，当置信度大时，一般精确度也大。
Recall=TP/TP+FN, 也就是预测是阳性并且正确/所有的阳性。Recall越高，表示漏掉的阳性越少如果把所有的数据集都预测为阳性，那么Recall就是1，非常高，但是精确度就低了，预测错很多。
比较理想的状态是Recall很高，Percision也很高，当所有的正样本都被挑出来了，并没有一个隐性的被挑出来当成阳性，这时Recall和Percision都是1.

曲线: Lift
Lift值=Percision/Baseline
可以用随机的方法选取正样本的概率作为Baseline,也就是正样本的个数/样本总数。
Lift值越大说明使用这个模型比随机选好的越多。Lift曲线的X轴是Depth, 它是预测为正例的比例，这个值越大，相当于阈值越小，阈值越小Percision越低，
所以在最右侧Depth很大，Lift的值很小，在左侧相反。

曲线：KS
曲线的X轴是阈值，y轴是0到1，可以分别绘值fpr和tpr的曲线，KS曲线实际上是fpr+tpr，这其中tpr-fpr的最大值值就是KS值，值越高说明模型分辨正负样本的能力越强。

评估曲线

标签：没有   比例   有一个   能力   最大值   好的   lin   并且   阈值   

原文地址：https://www.cnblogs.com/oaks/p/14593780.html