分类
简单的外汇市场赚钱方法

初学者易懂的曲线图分析法

1、计算数据的准备,如果模型训练时只有训练集的话一般使用交叉验证的方式来计算,如果有评估集(evaluate)一般就可以直接计算了,数据的格式一般就是需要预测得分以及其目标类别(注意是目标类别,不是预测得到的类别)
2、根据阈值划分得到横(X:False Positive Rate)以及纵(Y:True Positive Rate)点
3、将坐标点连成曲线之后计算其曲线下面积,就是AUC的值

如何用python制作ROC曲线图和计算AUC

接受者操作特性曲线(receiver operating characteristic curve,简称ROC曲线),又称为感受性曲线(sensitivity curve)。得此名的原因在于曲线上各点反映着相同的感受性,它们都是对同一信号刺激的反应,只不过是在几种不同的判定标准下所得的结果而已。接受者操作特性曲线就是以虚惊概率为横轴,击中概率为纵轴所组成的坐标图,和被试在特定刺激条件下由于采用不同的判断标准得出的不同结果画出的曲线

AUC介绍

AUC(Area Under Curve)是机器学习二分类模型中非常常用的评估指标,相比于F1-Score对项目的不平衡有更大的容忍性,目前常见的机器学习库中(比如scikit-learn)一般也都是集成该指标的计算,但是有时候模型是单独的或者自己编写的,此时想要评估训练模型的好坏就得自己搞一个AUC计算模块,本文在查询资料时发现libsvm-tools有一个非常通俗易懂的auc计算,因此抠出来用作日后之用。

AUC计算

1、计算数据的准备,如果模型训练时只有训练集的话一般使用交叉验证的方式来计算,如果有评估集(evaluate)一般就可以直接计算了,数据的格式一般就是需要预测得分以及其目标类别(注意是目标类别,不是预测得到的类别)
2、根据阈值划分得到横(X:False Positive Rate)以及纵(Y:True Positive Rate)点
3、将坐标点连成曲线之后计算其曲线下面积,就是AUC的值

Graphpad,经典绘图工具初学初探

1)第一部分:文档操作模块,跟office类似,如打开、新建、保存、复制粘贴等; 2)第二部分:数据分析,即之前演示的对录入数据进行统计分析; 3)第三部分:图形编辑,这部分是该软件的精华所在。可对图形进行例如图形类型、坐标轴、误差棒、图形大小、颜色等编辑更改; 4)第四部分:文字编辑,可以在统计图上插图线条、添加文字等; 5)第五部分:图形输出,可将做好的图导出、打印或输出到word/PPT中。

1)draw:可以插入不同形状的线; 2)write:编辑文字,插入公式等; 3)双击图形中的任一元素,可对文字、线条等进行形状、大小、粗细等编辑

点击 Change 中的第二个图标,或者在图中双击坐标轴,调出坐标调整工具;

重点讲解如何设置Y轴,做出截断图,这是统计作图中常见的问题。

之前的数据相差不大,不太适合做演示,故另外生成了一个柱状图。左边柱子值太大,右边柱子值太小,右侧的柱子几乎消失了,使图看起来很不协调。做一个截断图可以很好地解决该问题。

1)点击坐标设置中的 Left Y axis (一般作图默认只生成左边的Y轴); 2) Gaps and Direction 处选择 Two segments ,即将Y轴断裂成两部分(根据实际数据,还可以选择将Y轴断裂成3段); 3)在 Segment 处,对下段(Bottom)和上段(Top)的Y轴分别设置参数(Rang); 4)然后在 Regularly spaced ticks 下的 Major ticks 初学者易懂的曲线图分析法 interval 处设置Y轴数值标签;

length:50%,上下段的长度各一半; minimum:下段最小值0,上段最小值150; maximum:下段最大值10,上段最大值200; Major ticks:下段每格大小为2,上段每格大小为10。

点击 Change 中的最后一个图标,或者在图中双击柱子,调出调整参数的工具框;