機器學習複習3-模型評估與選擇Part2-ROC與AUC等

ROC與AUC 代價敏感錯誤率與代價曲線 在非均等代價下，ROC曲線不能直接反映出學習器的期望總體代價，而 「代價曲線」 可以。 FNR=1-TPR 爲假反例率。 比較檢驗 如何比較度量的結果： 1） 假設檢驗 2） 交叉驗證t檢驗 3） McNemar檢驗 4） Friedman檢驗 與 Nemenyi後續檢驗 偏差與方差 不考慮噪聲，偏差很大可以認爲是由模型欠擬合引起的，方差很大可以認爲是由模

>>阅读原文<<