#24. Метрики качества ранжирования. ROC-кривая | Машинное обучение

Как оценивать модели ранжирования данных. Характеристики False Positive Rate и True Positive Rate. Построение на их основе ROC-кривой (Receiver Operating Characteristic). Вычисление площадей AUC-ROC и индекс Джини (коэффициент Джини).
Инфо-сайт: proproprogs.ru/ml
Телеграм-канал: t.me/machine_learning_selfedu

[@andreychernykh256]

как всегда великолепное объяснение!!!!!

[@dubinin_s]

Спасибо за видео.
Самая сложная для меня тема))) Очень хорошо объяснили, теперь и я все понял.

[@juliamiller5441]

Одно из самых понятных разъяснений. Благодарю вас. Успехов вам

[@alexandercherkashin3512]

Спасибо! Fb мера понравилась. Не знал раньше)

[@osvab000]

Отличное видео!

[@normalnoenazvaniedlyaslaba4566]

спасибо, все очень доходчиво

[@impellergimpeller5133]

👍👍👍👍👍

[@gienek_mscislawski]

Немного непонятно с формальной точки зрения, как будет увеличиваться FPR, если там используется False, при этом модель никогда не ошибается? 10:56
В целом понятно, что при идеальном ранжировании мы сначала перебрали все объекты класса +1 и поднялись по оси TPR и остаются образы -1.

[@selfedu_rus]

да, именно для идеальной, в реальной будут ошибки и мы начнем отходить от идеальной кривой

[@olbasdjirmyhamedov704]

@@selfedu_rus здравствуйте! Вопрос про этот же момент. Не очень понятно, все таки, почему когда мы перебрали все положительные образы (то есть для идеальной модели достигли порога TPR = 1), то потом увеличивается FPR? То есть, не понятно как формируется горизонтальная линия вдоль оси FPR на графике ROC для идеальной модели.
Если модель не ошибается, то FPR всегда же равен 0? И тогда в числителе всегда будет 0 и этой полосы не должно быть

[@manishmabesedr]

там на графике ошибка как я понял? внизу не FPR а 1-FPR. это получается доля верно обнаруженных отрицательных классификаций @@olbasdjirmyhamedov704

[@nicko6815]

Благодарю Вас за прекрасные об'яснения! Планируется ли урок по многоклассовой классификации?

[@selfedu_rus]

да, пару слов скажу ))

[@kat_katchinskiy]

Если бы не ваши уроки, я бы бросил программирование.

[@user-gt8yq9qh5r]

Действительно ли прямая y=x называется наихудшей моделью? Ведь можно сделать и хуже)

[@selfedu_rus]

да, наихудшая, т.к. если сделаете хуже, то просто инвертируйте и она станет лучше, чем y=x ))

[@user-gt8yq9qh5r]

@@selfedu_rus мудро, спасибо за ответ!)

[@user-gd8ee3li5n]

Не совсем понял как получается, что площадь между диагональю и кривой равна 2*rocauc-1. Разве правильно не roc-auc-0.5?

[@selfedu_rus]

умножьте свою формулу на 2 и получите формулу выше (удвоенная площадь, но это не влияет на оптимизацию)