ROC 可训练的 WEKA 分割

Question

我是斐济可训练 weka 分段插件的基本用户。我想知道 ROC 曲线如何评估 fastrandomforest 分类器的性能？由于我在曲线上有几个点，从概念上讲，每个点都代表如何评估每个像素？它是否评估分配给每个像素的概率？或者分配给每个像素的概率与 ROC 曲线无关？ 格兹！ 娜塔莉亚

Answer 1

Trainable Weka Segmentation 插件提供的ROC curve 是使用所有训练样本计算得出的，即用户追踪到的像素属于不同的类别。与任何其他 ROC 曲线一样，它显示不同阈值下的真阳性率 (TPR) 与假阳性率 (FPR)。仅使用训练样本和不剪枝的随机森林分类器，曲线信息量不是很大，因为分类器是通过心学习训练集的，因此曲线的面积为 1。