- Activation
- Derivative
- Loss
- LossGradient
- RegressionMetric
- ConfusionMatrix
- ConfusionMatrixMultilabel
- ClassificationMetric
- ClassificationScore
- PrecisionRecall
- ReceiverOperatingCharacteristic
ReceiverOperatingCharacteristic
Вычисляет значения для построения кривой Receiver Operating Characteristic (ROC). Данный метод, как и метод ClassificationScore, применяется к вектору истинных значений.
bool vector::ReceiverOperatingCharacteristic(
|
Параметры
pred_scores
[in] Матрица, содержащая набор горизонтальных векторов с вероятностями по каждому классу. Количество строк матрицы должно соответствовать размеру вектора истинных значений.
mode
[in] Режим усреднения из перечисления ENUM_AVERAGE_MODE. Используются только AVERAGE_NONE, AVERAGE_BINARY и AVERAGE_MICRO.
fpr
[out] Матрица с рассчитанными значениями кривой false positive rate. В случае с отсутствием усреднения (AVERAGE_NONE) количество строк в матрице соответствует количеству классов модели. Количество колонок соответствует размеру вектора истинных значений (или количеству строк в матрице распределений вероятностей pred_score). В случае микроусреднения количество строк в матрице соответствует общему количеству пороговых значений за исключением дублей.
tpr
[out] Матрица с рассчитанными значениями кривой true positive rate.
threshold
[out] Матрица пороговых значений, полученная путём сортировки матрицы вероятностей
Примечание
Смотрите примечания для метода ClassificationScore.
Пример
Пример вывода графиков ROC, где на оси y отложены значения tpr, на оси x - значения fpr. А также вывод отдельных графиков fpr и tpr, где на оси x отложены пороговые значения.
matrixf mat_thres;
|
Результат:
Код вывода графиков элементарный и основан на стандартной библиотеке <Graphics/Graphic.mqh>.
Использованы данные тестирования модели mnist.onnx, код представлен в описании метода PrecisionRecall.
ROC AUC близок к идеальному.
roc auc score micro = [0.99991] |