GEE ——绘制二元分类的特征 (ROC) 曲线、计算曲线下面积 (AUC)

简介:

一个示例 GEE 脚本,用于绘制二元分类的接收者操作特征 (ROC) 曲线、计算曲线下面积 (AUC) 并找到最接近完美分类的截止点。

要计算ROC曲线,首先需要计算分类器不同阈值下的真正率(TPR)和假正率(FPR)。TPR是正确分类的正例的比例,而FPR是错误分类的负例的比例。
一旦计算出不同阈值下的TPR和FPR,就可以通过将FPR绘制在x轴上,将TPR绘制在y轴上来绘制ROC曲线。ROC曲线将从图的左下角开始,结束于图的右上角。
一个好的分类器将具有接近图的左上角的ROC曲线。这意味着分类器能够正确分类大多数正例,而不会错误地分类太多负例。

计算接收者操作特征曲线(ROC曲线)的步骤如下:
1. 计算不同分类阈值下的真正例率(TPR)和假正例率(FPR)。
2. 将FPR绘制在x轴上,将TPR绘制在y轴上。
3. 用一条直线连接这些点。

TPR是分类器正确识别的正例比例,而FPR是分类器错误将负例识别为正例的比例。
ROC曲线显示了分类器在不同分类阈值下的性能。更好的分类器将具有更靠近绘图左上角的ROC曲线。
计算TPR和FPR可以使用以下公式:
TPR = TP / (TP + FN)
FPR = FP / (TN + FP)

其中:
TP是分类器正确识别的真正例数(正例被正确识别为正例的次数)
FN是分类器错误将正例识别为负例的次数(正例被错误识别为负例的次数)
FP是分类器错误将负例识别为正例的次数(负例被错误识别为正例的次数)
TN是分类器正确识别的真负例数(

你可能感兴趣的:(gee土地分类专栏,分类,数据挖掘,人工智能,roc,auc,gee,土地分类)