Courbe de caractéristique de fonctionnement du récepteur (ROC) pour Ajuster le
modèle et Découvrir les prédicteurs
principaux avec Classification
TreeNet®
La courbe ROC trace le taux de positivité réelle (TPR), également connu sous le nom de puissance, sur l’axe des y. La courbe ROC trace le taux de faux positifs (FPR), également connu sous le nom d’erreur de type 1, sur l’axe des x. L'aire sous une courbe ROC indique si le modèle est un bon classificateur.
Interprétation
Pour les arbres de classification, la zone située sous les valeurs de la courbe ROC varie généralement de 0,5 à 1. Plus les valeurs sont élevées, meilleure est la classification du modèle. Lorsque le modèle peut parfaitement séparer les classes, la zone située sous la courbe est de 1. Lorsque le modèle ne peut pas séparer les classes plus efficacement qu'une affectation aléatoire, la zone située sous la courbe est de 0,5. La ligne pointillée rouge indique le cas d’attribution aléatoire.
La surface sous la courbe de validation croisée est d’environ 0,91. Comparez les résultats de l’entraînement et ceux de la validation croisée pour voir s’il y a des problèmes de surapprentissage avec le modèle pour l’ensemble de données d’entraînement.
