如何解决如何理解多类逻辑回归的 ROC?
我研究了多类逻辑回归,并考虑使用 ROC 来估计其性能。我做了一些研究,但我做的越多,我就越困惑将 ROC 用于多类问题是否有意义。
-
在我的理解中,ROC 默认是为二元问题设计的,所以对于多类问题,特别是当我们使用 one vs rest 方法(会有多个逻辑回归)时,它基本上估计每个二元问题逻辑回归而不是估计整个模型。虽然可以做微观或宏观平均ROC曲线,但我认为不能等同于整个模型的表现。
-
对于多类逻辑回归(OVR),它使用逻辑函数计算假设它为正的每个类的概率,然后选择概率最大的一个,所以似乎没有与二元逻辑回归模型相比,此过程涉及的阈值,因此,将无法对其进行ROC。如果我错了,请纠正我。
期待听到您的意见,以及 ROC 是否对多类逻辑回归有意义。如果是,那么解释它们的正确方法是什么?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。