roc

Вопрос или проблема Я вижу повсюду, что когда набор данных несбалансирован, PR-AUC является лучшим показателем производительности, чем ROC. Из моего опыта, если положительный класс является наиболее важным и в наборе данных процент положительного класса

Вопрос или проблема Я работаю над задачей бинарной классификации. Я попытался оценить модель, построив ROC-кривую и рассчитав ROC AUC. Рассчитанный балл составляет 0.9115, но площадь кривой выглядит нереалистично для этого балла.

Вопрос или проблема Я работаю с несбалансированным набором данных. В обучающем наборе данных 11567 отрицательных и 3737 положительных образцов. В валидационном наборе данных 2892 отрицательных и 935 положительных образцов. Это задача бинарной классификации