ভারসাম্যহীন ডেটাসেটের জন্য আরওসি বক্ররেখা

Question

একটি ইনপুট ম্যাট্রিক্স এবং একটি বাইনারি আউটপুট ।$X$$y$

শ্রেণিবদ্ধের কর্মক্ষমতা পরিমাপের একটি সাধারণ উপায় হ'ল আরওসি বক্ররেখা ব্যবহার করা।

একটি আরওসি প্লটে ডায়াগোনালটি এমন ফলাফল যা এলোমেলো শ্রেণিবদ্ধের কাছ থেকে প্রাপ্ত হবে। ভারসাম্যহীন আউটপুট এর ক্ষেত্রে এলোমেলো শ্রেণিবদ্ধের পারফরম্যান্সে বিভিন্ন সম্ভাবনার সাথে বা চয়ন করে উন্নতি করা যেতে পারে ।$y$$0$$1$

এই ধরনের শ্রেণিবদ্ধের পারফরম্যান্সকে কীভাবে একটি আরওসি বক্ররেখা প্লটে প্রতিনিধিত্ব করা যেতে পারে? আমি মনে করি এটি একটি ভিন্ন কোণ সহ একটি সরল রেখা হওয়া উচিত, এবং আর তির্যক নয়?

Comments

পরিবর্তে আপনি নির্ভুলতা-প্রত্যাহার বক্ররেখার চেষ্টা করতে চাইতে পারেন, "ভারসাম্যহীন ডেটাসেটে বাইনারি শ্রেণিবদ্ধকারীদের মূল্যায়ন করার সময় প্রিসিকশন-রিক্যাল প্লটটি আরওসি প্লটের তুলনায় আরও তথ্যপূর্ণ", এনসিবি.এনএলএম.নিহ.gov / pmc / articles / PMC4349800 , সম্ভবত আরও প্রবেশযোগ্য কাগজ, লেখক দ্বারা নির্মিত ওয়েবসাইট classeval.wordpress.com/simulation-analysis/...

— zyxue

Answer 1

আরওসি বক্ররেখা শ্রেণীর ভারসাম্যের প্রতি সংবেদনশীল নয়। আপনি এখন এলোমেলো শ্রেণিবদ্ধের জন্য যে সরল রেখাটি পেয়েছেন সেটি ইতিমধ্যে ইতিবাচক (0 আপনাকে আনে (0, 0) এনে দেয় এবং 1 আপনাকে (1, 1) যেকোন পরিসরের অভ্যন্তরে নিয়ে আসে) এর বিভিন্ন সম্ভাবনা ব্যবহারের ফলাফল।

ভারসাম্যহীন সেটিংয়ে কিছুই পরিবর্তন হয় না।

Comments

কেন তির্যক পরিবর্তন হয় না তা দেখতে বক্ররেখার ক্ষেত্রের ক্ষেত্রটির অর্থ বিবেচনা করা আমার পক্ষে সহায়ক মনে হয়েছে। এওসি সম্ভাব্যতা হিসাবে ব্যাখ্যা করা যেতে পারে যে এলোমেলোভাবে নির্বাচিত ইতিবাচক উদাহরণ এলোমেলোভাবে নির্বাচিত নেতিবাচক উদাহরণের চেয়ে উচ্চতর স্কোর থাকবে। ঘ । এটি আমার কাছে ক্লাস ভারসাম্যহীনতা কেন ইস্যু নয় তা পরিষ্কার করে দেয়।

— জেবেকার