Konstrukcyjnie jednostka AUC nie może być ujemna. … Nawet jeśli niebieska linia znajduje się poniżej krzywej „modelu losowego” (przekątnej), będzie miała dodatnie AUC.
Co to jest zły wynik AUC?
Analiza statystyczna
Wyniki pola pod krzywą ROC (AUC) uznano za doskonałe dla wartości AUC pomiędzy 0,9-1, dobre dla wartości AUC pomiędzy 0,8-0,9, zadowalające dla wartości AUC pomiędzy 0,7-0,8, słaba dla wartości AUC między 0,6-0,7 i nieudana dla wartości AUC między 0,5-0,6.
Jaka jest dopuszczalna AUC?
OBSZAR POD KRZYWĄ ROC
Ogólnie rzecz biorąc, AUC wynoszące 0,5 sugeruje brak dyskryminacji (tj. zdolność do diagnozowania pacjentów z chorobą lub stanem chorobowym lub bez nich na podstawie testu), 0.7 do 0,8 jest uważane za dopuszczalne, od 0,8 do 0,9 uważa się za doskonałe, a ponad 0,9 za wybitne.
Dlaczego AUC jest złe dla niezrównoważonych danych?
Chociaż szeroko stosowany, ROC AUC nie jest pozbawiony problemów. W przypadku niezrównoważonej klasyfikacji z poważnym przekrzywieniem i nielicznymi przykładami klasy mniejszości, ROC AUC może być mylące. Dzieje się tak, ponieważ niewielka liczba poprawnych lub niepoprawnych prognoz może spowodować dużą zmianę krzywej ROC lub wyniku ROC AUC.
Czy AUC powinno być wysokie czy niskie?
Obszar pod krzywą (AUC) jest miarą zdolności klasyfikatora do rozróżniania klas i jest używany jako podsumowanie krzywej ROC. Im wyższa wartość AUC, tym lepsza wydajność modelu w rozróżnianiu klas pozytywnych i negatywnych.
