L'aire sous la métrique ROC mesure l'efficacité avec laquelle votre modèle identifie les différences entre les classes.
Détails de l'indicateur
L'aire sous la caractéristique de fonctionnement de la réception (ROC) est une mesure d'évaluation de la qualité des performances des modèles d'apprentissage automatique de classification binaire sur le site watsonx.governance.
Portée
L'aire sous la métrique ROC évalue uniquement les modèles d'apprentissage automatique.
Types d'actifs d'IA : Modèles d'apprentissage automatique
Type de problème d'apprentissage automatique : Classification binaire
Scores et valeurs
L'aire sous la métrique ROC indique dans quelle mesure le modèle identifie les différences entre les classes. Des scores plus élevés indiquent une meilleure performance du modèle pour l'identification des classes.
- Plage de valeurs : 0.0-1.0
- Meilleure note possible : 1.0
- Valeurs de graphique : dernière valeur dans la période
Un score de 0.5 suggère une supposition aléatoire, tandis qu'un score de 1.0 représente une classification parfaite.
Paramètres
Seuil par défaut : Limite inférieure = 80%
Processus d'évaluation
L'aire sous la métrique ROC est calculée en traçant le taux de vrais positifs (TPR) en fonction du taux de faux positifs (FPR) pour différentes valeurs de seuil. Pour chaque seuil, une matrice de confusion est générée qui spécifie les classes de vrais positifs, de faux positifs, de vrais négatifs et de faux négatifs.
Le TPR et le FPR sont calculés avec ces classes et reportés sur un graphique pour créer la courbe ROC. L'aire sous cette courbe est calculée pour générer le score métrique.
Sujet parent : Mesures d'évaluation