The true positive rate gives the pr

The true positive rate gives the proportion of actual positives which are correctly identified as such. (Higher is better)

The false positive rate gives the proportion of falsely identified positives amongst all actual negatives. (lower is better)

Obviously, the most right curve (combined Joint Baysian) is worst, because for a fixed true positive rate it has always the highest false positive rate.

But how would one decide if the red or the black curve is better? Isn't there the need of a "cost" of false positives / negatives to decide that? What information can I derive from such diagrams?

ผลลัพธ์ (ไทย) 1:

อัตราจริงบวกให้สัดส่วนของการทำงานผิดพลาดจริงที่ถูกกำหนดเป็น (สูงกว่าดีกว่า)อัตราบวกผิดให้สัดส่วนของการทำงานผิดพลาดแอบระบุหมู่สิ่งที่เกิดขึ้นจริงทั้งหมด (ต่ำกว่าดีกว่า)อย่างชัดเจน โค้งขวามากที่สุด (รวมร่วม Baysian) จะเลวร้ายที่สุด สำหรับอัตราบวกจริงคง มีเสมออัตราบวกผิดสูงสุดแต่ว่าจะหนึ่งถ้า เส้นโค้งสีดำหรือสีแดงจะดีกว่า ไม่จำเป็นต้องเป็น "ต้นทุน" ของการทำงานผิดพลาดไม่มี / ฟิล์มเพื่อตัดสินใจว่า ข้อมูลอะไรที่ผมสามารถมาจากไดอะแกรมดังกล่าว

ผลลัพธ์ (ไทย) 3:

อัตราบวกจริงให้สัดส่วนของผลบวกที่เกิดขึ้นจริงซึ่งจะระบุได้อย่างถูกต้อง เช่น ( สูงกว่าดีกว่า )

อัตราบวกเท็จให้สัดส่วนของการระบุเท็จบวกในลบที่เกิดขึ้นจริงทั้งหมด ( ราคาดี )

แน่นอน โค้งขวามากที่สุด ( รวมข้อต่อ baysian ) จะแย่เพราะการแก้ไขจริงบวกคะแนนมันได้เสมออัตราบวกเท็จมาก

แต่จะตัดสินใจว่า ถ้า สีแดง หรือ เส้นสีดำดีกว่า ไม่ต้องมี " ต้นทุน " แจ้งเท็จเชิงลบ / ตัดสินใจอย่างนั้น ? ข้อมูลที่ผมได้รับจากแผนภาพดังกล่าวหรือไม่