- Activation
- Derivative
- Loss
- LossGradient
- RegressionMetric
- ConfusionMatrix
- ConfusionMatrixMultilabel
- ClassificationMetric
- ClassificationScore
- PrecisionRecall
- ReceiverOperatingCharacteristic
ReceiverOperatingCharacteristic
値を計算して受信者操作特性(ROC)曲線を構築します。ClassificationScoreと同様、このメソッドは真の値のベクトルに適用されます。
bool vector::ReceiverOperatingCharacteristic(
|
パラメータ
pred_scores
[in] 各クラスの確率を含む一連の水平ベクトルを含む行列。行列の行数は、真の値のベクトルのサイズに対応する必要があります。
mode
[in] ENUM_AVERAGE_MODE列挙の平均化モード。AVERAGE_NONE、AVERAGE_BINARY、AVERAGE_MICROのみが使用されます。
fpr
[out] 偽陽性率曲線の計算値を含む行列。平均化が適用されない場合(AVERAGE_NONE)、行列の行数はモデル クラスの数に対応します。列の数は、真の値のベクトルのサイズ(または確率分布行列pred_scoreの行数)に対応します。マイクロ平均化の場合、行列の行数は、重複を除いた閾値の合計数に対応します。
tpr
[out] 真陽性率曲線の計算値を含む行列。
threshold
[out] 確率行列を並び替えて得られた閾値行列。
注意事項
ClassificationScoreメソッドの注意事項を参照してください。
例
ROCグラフのプロットの例。tpr値がy軸にプロットされ、fpr値がx軸にプロットされます。また、fprグラフとtprグラフは個別にプロットされ、しきい値がX軸にプロットされます。
matrixf mat_thres;
|
結果の曲線:
グラフ出力コードはシンプルで、<Graphics/Graphic.mqh>標準ライブラリに基づいています。
例では、mnist.onnxモデルのデータを使用します。コードはPrecisionRecallメソッドの説明に記載されています。
ROC AUCは理想に近いです。
roc auc score micro = [0.99991] |