AUC y precisión equilibrada en R Modeling

Pregunta:

¿Alguien puede explicar la diferencia entre AUC (Área bajo la curva) y la precisión equilibrada en R?

Por ejemplo: en el modelado de árboles de decisión obtuve el,

ABC: 0,91

precisión equilibrada: 0,72

explique cómo interpretar o comprender este modelo en función de los dos valores de precisión anteriores.

Respuesta:

AUC no es el mismo tipo de medida que precisión.

AUC es el área bajo la curva para el gráfico ROC y también tiene un significado en las estadísticas de orden de clasificación.

http://en.wikipedia.org/wiki/Mann%E2%80%93Whitney_U_test#Area-under-curve_.28AUC.29_statistic_for_ROC_curves

La precisión es simplemente una fracción de los positivos predichos correctamente a todos los positivos.

Suponga que tiene un conjunto de datos con una variable objetivo binaria donde los casos positivos representan el 90 % de todos los casos. Luego, simplemente puede clasificar todo para que pertenezca a casos positivos y obtendrá una precisión del 90%.

La precisión equilibrada se analiza aquí en la página 2.

http://ong-home.my/papers/brodersen10post-balacc.pdf

I

Leave a Comment

Your email address will not be published.

Scroll to Top

istanbul avukat

-

web tasarım