ROC曲线和AUC常被用来评价一个二值分类器（binary

[单选题]

ROC曲线和AUC常被用来评价一个二值分类器（binary classifier）的优劣。对于模型的 ROC 曲线，与哪一点越接近，表明该分类器的性能越好?（）

```
左上，即TPR=0, FPR=1
```
```
左上，即FPR=0, TPR=1 
```
```
右下，即TPR=0, FPR=1
```
```
右下，即FPR=0, TPR=1
```

查看正确选项

牛客923120305号

在ROC曲线中，横轴是False Positive Rate (FPR)，纵轴是True Positive Rate (TPR)。而左上角（0,1）表示FPR为0，TPR为1，即假阳性率为0，真阳性率为1。在这个点上，分类器完美地将正例和负例区分开，没有产生任何错误分类。因此，ROC曲线越靠近左上角，分类器的性能越好。ROC曲线下方的面积（AUC）也是评估分类器性能的重要指标，AUC越接近1，分类器性能越好。

发表于 2024-03-23 15:28:16 回复(0)