Скачать с ютуб Доступное объяснение ROC и AUC! в хорошем качестве

Доступное объяснение ROC и AUC!

Графики ROC-кривой (характеристики оператора-приемника) и AUC (площади под кривой) полезны для объединения информации из множества матриц ошибок в единый, легко интерпретируемый график. Это видео расскажет вам, как шаг за шагом создавать и интерпретировать ROC-кривые. Затем мы покажем, как AUC можно использовать для сравнения методов классификации, и, наконец, поговорим о том, что делать, если ваши данные не такие мягкие и пушистые, как хотелось бы. ПРИМЕЧАНИЕ. Это версия видео от 2019.07.11, опубликованного ранее. ПРИМЕЧАНИЕ: это видео предполагает, что вы уже знаете о матрицах ошибок ...    • Machine Learning Fundamentals: The Co...   ... чувствительности и специфичности ...    • Machine Learning Fundamentals: Sensit...   ... и пример, над которым я работаю, основан на логистической регрессии, так что это также поможет понять основы этого:    • StatQuest: Logistic Regression   Полный список всех видео StatQuest: https://statquest.org/video-index/ Если вы хотите поддержать StatQuest, обдумайте ... Патреон:   / statquest   ...или... Членство YouTube:    / @statquest   ... классная футболка или толстовка StatQuest (США / Европа): https://teespring.com/stores/statquest (где угодно): https://www.redbubble.com/people/star... ... покупку одной или двух мои песни (или всего альбома!) https://joshuastarmer.bandcamp.com/ ... или просто пожертвуйте StatQuest! https://www.paypal.me/statquest И наконец, если вы хотите узнавать, когда я исследую и создаю новые StatQuests, следите за мной в твиттере:   / joshuastarmer   0:00 Потрясающая песня и вступление 0:48 Классификация образцов логистической регрессией 4:03 Создание матриц ошибок для разных порогов 7:12 ROC является альтернативой тоннам матриц путаницы 13:44 AUC для сравнения разных моделей 14:28 Ложно-положительный показатель против точности 15:38 Краткое изложение концепций #statquest #ROC #AUC