- Activation
- Derivative
- Loss
- LossGradient
- RegressionMetric
- ConfusionMatrix
- ConfusionMatrixMultilabel
- ClassificationMetric
- ClassificationScore
- PrecisionRecall
- ReceiverOperatingCharacteristic
ReceiverOperatingCharacteristic
Receiver Operating Characteristic (ROC) 곡선을 구성하기 위한 값을 계산합니다. ClassificationScore와 마찬가지로 이 메서드는 참값의 벡터에 적용됩니다.
bool vector::ReceiverOperatingCharacteristic(
|
매개 변수
pred_scores
[in] 각 클래스에 대한 확률이 포함된 수평 벡터의 집합을 포함하는 행렬. 행렬 행의 수는 실제 값으로 구성된 벡터의 크기와 일치해야 합니다.
mode
[in] ENUM_AVERAGE_MODE 열거의 평균화 모드. AVERAGE_NONE, AVERAGE_BINARY 및 AVERAGE_MICRO만 사용됩니다.
fpr
[out] 거짓 양성률 곡선의 계산된 값이 포함된 행렬입니다. 평균화가 적용되지 않은 경우(AVERAGE_NONE) 행렬의 행 수는 모델의 클래스의 수에 해당합니다. 열 수는 참값 벡터의 크기(또는 확률 분포 행렬 pred_score의 행 수)에 해당합니다. 미세 평균화의 경우 행렬의 행 수는 중복을 제외한 임계값의 총 수에 해당합니다.
tpr
[out] 진양성 비율 곡선의 계산된 값이 포함된 행렬입니다.
threshold
[out] 확률 행렬을 정렬하여 얻은 임계 행렬
참조
ClassificationScore 메서드에 대한 참고 사항을 참조하세요.
예시
ROC 그래프를 그리는 예. tpr 값은 y축에 표시되고 fpr 값은 x축에 표시됩니다. 또한 fpr 및 tpr 그래프는 x축에 임계값이 표시되며 별도로 표시됩니다.
matrixf mat_thres;
|
결과 곡선:
그래프 출력 코드는 간단하며 <Graphics/Graphic.mqh> 표준 라이브러리를 기반으로 합니다.
예제는 mnist.onnx 모델의 데이터를 사용합니다. 코드는 PrecisionRecall 메서드 설명에 나와 있습니다.
ROC AUC가 이상적입니다.
roc auc score micro = [0.99991] |