Receiver operating characteristic c

Receiver operating characteristic curves are a useful visual tool for comparing two
classification models. ROC curves come from signal detection theory that was developed during World War II for the analysis of radar images. An ROC curve for a given model shows the trade-off between the true positive rate (TPR) and the false positive rate (FPR).10 Given a test set and a model, TPR is the proportion of positive (or “yes”) tuples
that are correctly labeled by the model; FPR is the proportion of negative (or “no”) tuples that are mislabeled as positive. Given that TP, FP, P, and N are the number of true positive, false positive, positive, and negative tuples, respectively,

ผลลัพธ์ (ไทย) 1:

ตัวรับสัญญาณกราฟแสดงลักษณะการทำงานเป็นเครื่องมือที่แสดงเป็นประโยชน์สำหรับการเปรียบเทียบสอง ประเภทรุ่น เส้นโค้ง ROC มาจากทฤษฎีการตรวจจับสัญญาณที่ถูกพัฒนาขึ้นในช่วงสงครามโลกครั้งที่สองในการวิเคราะห์ภาพเรดาร์ มีเส้นโค้ง ROC สำหรับรูปแบบกำหนดแสดงปิดระหว่างอัตราบวกจริง (TPR) และอัตราการบวกเท็จ (FPR) .10 ชุดทดสอบและรูปแบบ TPR คือ สัดส่วนของ tuples บวก (หรือ "ใช่") ที่ถูกต้องติดป้ายชื่อรุ่น FPR tuples สัดส่วนของค่าลบ (หรือ "no") ที่มีบกพร่องเป็นบวกได้ รับที่ TP, FP, P และ N เป็นจำนวนจริงบวก เท็จบวก บวก ลบ และ tuples ตามลำดับ

ผลลัพธ์ (ไทย) 2:

ผู้รับการดำเนินงานลักษณะโค้งเป็นเครื่องมือที่มีประโยชน์สำหรับภาพเปรียบเทียบสอง
รุ่นการจัดหมวดหมู่ เส้นโค้ง ROC มาจากทฤษฎีการตรวจจับสัญญาณที่ได้รับการพัฒนาขึ้นในช่วงสงครามโลกครั้งที่สองสำหรับการวิเคราะห์ของภาพเรดาร์ โค้ง ROC สำหรับรูปแบบที่ได้รับการแสดงให้เห็นถึงการออกระหว่างอัตราจริงบวก (TPR) และอัตราบวกปลอม (FPR) 0.10 ได้รับชุดทดสอบและรูปแบบที่ TPR เป็นสัดส่วนของการบวก (หรือ "ใช่") อันดับ
ที่มีความโดดเด่นอย่างถูกต้องโดยรูปแบบ; FPR เป็นสัดส่วนของเชิงลบ (หรือ "ไม่มี") อันดับที่มีการเรียกไม่ถูกเป็นบวก ระบุว่า TP, FP, P, และ N คือจำนวนบวกเท็จบวกบวกและเชิงลบ tuples จริงตามลำดับ

ผลลัพธ์ (ไทย) 3:

接收器操作曲线的可视化工具是一个useful characteristic为comparing两ROC曲线模型来分类。这是从信号检测理论的发展，在世界大战II。一个雷达。雷达图像的ROC曲线。为一个给定的模型之间的权衡的凝集阳性率（TPR）真和假阳性因为FPR率（A）。10 test set和一个模型，阳性比例（TPR）是tuples或“是”）这是正确的模型；通过labeled比例的FPR是阴性（或“NO”）。这是mislabeled tuples为阳性这是因为，TP、FP，P，和N是真的假阳性，阳性number of tuples阳性和阴性，respectively，，，