กราฟ ROC CURVE กราฟที่บอก Performance ความแม่นยำของการ Prediction
MATLAB BKK CENTER
ROC กราฟที่บอก Performance ความแม่นยำของการ Prediction โดยชื่อเต็มๆมาจาก Receiver Operating Characteristics (ROC) Curve
ROC CURVE มีลักษณะกราฟดังนี้
โดยเป็นกราฟที่ใช้บอกว่าผลทำนายของเราดีแค่ไหน
- หากกราฟยิ่งชิดด้านบนมากก็ยิ่งแปลว่าทำนายได้ดี แต่หากกราฟเป็นเส้นตรงจะแสดงว่าไม่ดี
- กราฟชิดด้านบนมากหมายความว่าพื้นที่ใต้กราฟมาก ค่าพื้นที่ใต้กราฟ ROC นี้ถูกเรียกว่า AUC (area under curve) เป็นค่าหนึ่งที่ใช้วัด
วิธีพิจารณากราฟและประเมินผล
MATLAB CODE กับการเรียกใช้งาน ROC CURVE
คำสั้งใช้หา Score จาก AUC : [X,Y,T,AUC] = perfcurve(labels,scores,posclass)
คำสั้งที่ใช้สั่ง Plot ROC Curve :
plot(X,Y)
xlabel(‘False positive rate’)
ylabel(‘True positive rate’)
title(‘ROC for Classification by Logistic Regression’)
สามารถติดตามเนื้อหาความรู้ต่างๆ โดยเฉพาะการใช้ประยุกต์ใช้กับโปรแกรม Matlab ได้ที่ Facebook Page :(20) Matlab bkk center | Facebook
Machine Learning for #Predictive #Maintenance Course
NEURAL NETWORK AND DEEP LEARNING COMPLETE COURSE :
ใครอยากเรียนรู้จากตัวอย่างการ Apply จาก #ProjectMachinelearning ต้องไม่พลาด
#Matlab Code ร่วมแชร์ความรู้ สาระผ่านกลุ่ม ->
(กลุ่ม Facebook Matlab Bkk AI & Data science & Other Classroom)>
https://web.facebook.com/groups/403881684322230/