機器學習-AUC-ORC-ARIMA

AUC（Area Under Curve） 取不同的參數值，是的TP,FN,FP,TN的分佈不同的曲線圖， 上述的圖的參數取值位置不同，則得到TP,FN,FP,TN不同的值，然後的到TPR和FPR的點，則在圖上會表示出一條線（ROC），如果AUC越大（面積越大），則表示分類器則越好； 多分類的ROC曲線：可以簡化爲多個二分類後：第一種就將所有的得到的值取平均值，或者得到的值再去做ROC曲線 ARI

>>阅读原文<<