Aufgrund der Konstruktion kann die AUC nicht negativ sein. … Selbst wenn die blaue Linie unter der „Zufallsmodell“-Kurve (der Diagonalen) liegt, hat sie eine positive AUC.
Was ist ein schlechter AUC-Wert?
Statistische Analyse
Die Ergebnisse der Fläche unter der ROC-Kurve (AUC) wurden für AUC-Werte zwischen 0,9-1 als ausgezeichnet, für AUC-Werte zwischen 0,8-0,9 als gut und für AUC-Werte zwischen 0,7-0,8 als ausreichend angesehen, schlecht für AUC-Werte zwischen 0,6-0,7 und fehlgeschlagen für AUC-Werte zwischen 0,5-0,6.
Was ist eine akzeptable AUC?
BEREICH UNTER DER ROC-KURVE
Im Allgemeinen deutet eine AUC von 0,5 auf keine Diskriminierung hin (d. h. die Fähigkeit, Patienten mit und ohne die Krankheit oder den Zustand basierend auf dem Test zu diagnostizieren), 0.7 bis 0,8 gelten als akzeptabel, 0,8 bis 0,9 gelten als ausgezeichnet und mehr als 0,9 als hervorragend.
Warum AUC schlecht für unausgeglichene Daten ist?
Obwohl weit verbreitet, ist die ROC AUC nicht ohne Probleme. Bei einer unausgewogenen Klassifizierung mit einer starken Schiefe und wenigen Beispielen der Minderheitsklasse kann die ROC-AUC irreführend sein. Dies liegt daran, dass eine kleine Anzahl korrekter oder falscher Vorhersagen zu einer großen Änderung der ROC-Kurve oder des ROC-AUC-Scores führen kann.
Soll die AUC hoch oder niedrig sein?
Die Fläche unter der Kurve (AUC) ist das Maß für die Fähigkeit eines Klassifikators, zwischen Klassen zu unterscheiden, und wird als Zusammenfassung der ROC-Kurve verwendet. Je höher die AUC, desto besser ist die Leistung des Modells bei der Unterscheidung zwischen positiven und negativen Klassen.
