x疾病
daughtry数据分类的评价准则 roc
undresdindie pop 接受概率－召回率（ROC-Recall）曲线是将统计模型的性能以可视化的方式表达出来。ROC曲线是一条折线图，用于可视化测试方法的效果，它由发现率和接受率（或者灵敏度和特异度）这两个值组成。画ROC曲线时，横轴（x轴）是1-特异性（1- Specificity），而纵轴（y轴）则是灵敏度（Sensitivity）。
高考病句练习及答案 ROC曲线可以用来衡量一个分类模型（决策手段）的有效性，被广泛用于生物信息学、药物开发、和可视化计算机安全系统等领域。ROC曲线用来检测分类器性能上的优劣，它可以表示出不同模型在真实例子上的分类性能，使得模型比较客观合理。
ROC曲线的任务是选择最优的决策阈值，即能在有尽可能低的假阳率和最大的真阳率之间取得最好的平衡。在ROC曲线中，横轴代表着不准确的分类的比率(1-特异性），因此在横轴上取到坐标(0,0)，而纵轴代表准确的分类的比率，因此在纵轴上取到坐标（1,1）。
造型师培训
ROC曲线上绘制合适的点分布意味着模型中可视化识别问题，用确切而定量的值来表示各种条件下的分类性能效果。这可以使用者知道其分类模型的实际效果，从而作出正确的决策。
解释英文在ROC曲线上，越靠近左上角的点越优，它代表着分类器的准确率，也就是说它越能把正例判断成正例，把负例判断为负例。在选择最佳模型的过程中，一般最靠近左上角的模型效果最好，它代表着最高的预测精度。
utilization ROC曲线可以很好地评估分类系统的性能，特别是当改变决策阈值时表现有益。通过评估ROC曲线可以直接确定正确分类的比例，准确衡量分类算法的性能。使用ROC曲线，自动化选择最佳的分类阈值就会更加的方便，这也大大提高了分类性能的准确度。展望未来
中秋节的英文翻译
