Calculadora de curva ROC y AUC
Construir un barrido ROC de puntaje y calcular el AUC trapezoidal más precisión media no interpolada a partir de puntuaciones numéricas etiquetadas.
SU CÁLCULO
Resultado
—
Pasos del cálculo
Trabaje a través de un paso a la vez o revele el cálculo completo. Los pasos utilizan sus entradas actuales.
Cómo calcular
El tipo de puntuaciones que descienden, procesan cada bloque de corbata juntos e integran coordenadas de tipo positivo verdadero / falso.
AUC=ΣΔFPR×(TPRold+TPRnew)/2; AP=ΣΔrecall×precision
Ejemplo resuelto
Las puntuaciones 0.1 y 0.4 para negativos, y 0.35 y 0.8 para positivos, dan el AUC 0.75 de ROC. Tres de los cuatro pares de puntuación positiva- negativa están correctamente clasificados.
Suposiciones y detalles de entrada
2 - 1000 filas de puntuación / etiqueta completa con ambas clases presentes. Las puntuaciones no necesitan ser probabilidades. Las mentiras se admiten como un bloque y aportan mitad de crédito a AUC pairwise. La precisión media es una medida de precisión ponderada por estetra, no un área de PR trapezoidal. Las medicas describen las observaciones formuladas; no está implícito un intervalo de confianza, recomendación de umbral, corrección de equilibrio de clases o validación de helicopía.
Referencias: cikit- aprender: Metría de clasificación ROC / AUC
Usando esta calculadora
¿Puedo entrar en mi propio problema?
Sí. Sustitúyase los valores de ejemplo por sus propias entradas. El resultado, los pasos de cálculo, los cuadros y los diagramas aplicables se actualizan a partir de esos insumos. Los valores blanks o inválidos despejan el resultado; los valores de ejemplo nunca se sustituyen silenciosamente por los insumos que faltan.
¿Los resultados son exactos?
Los resultados utilizan la aritmética de un punto flotante y se muestran redondeados. Leer la fórmula, suposiciones y cualquier precisión de los datos antes de interpretar el resultado.
¿Mi entrada está cargada?
El cálculo se ejecuta en su navegador. No se requiere cuenta, carga de archivos o servicio AI externo. Las entradas no se guardan entre recargas de página.
Calcular precisión, recuerdo, especificidad, F 1, precisión, precisión equilibrada y MCC a partir de una tabla de conteo de la clase positiva declarada.
Desglose binario frente a un predictor numérico mediante un castigo L 2 de estándar explícito y evaluar una probabilidad de consulta.
Compare dos muestras independientes utilizando rangos agrupados, estadísticas de U y superioridad de pairwise observada.
Espacio reservado para publicidad.