使用 ROC 曲线进行评估
Evaluation using ROC curve
我有一个图像处理算法，它采用三个参数并生成二值图像。对于每张图片，我都有 ground truth。所以我能够计算 true/false positives/negatives。生成的二值图像取决于 3 个参数。每个参数都可以在一个区间内取值，比方说从 0.0 到 1.0。为了找到最好的结果，我 运行 我的算法与每个组合（总共 1000）。对于每个结果，我都会计算统计数据。
现在我想知道哪些参数导致最好的结果。我知道 ROC curve from algorithm engineering. Is this the way to go or is it better to compute the F1-score 并采用导致最高分的参数？
roc 曲线将如下所示：
您误解了什么是 ROC 曲线。
通过改变决策阈值，从一个预测变量（具有一组固定参数）构建 ROC 曲线。这与您在此处所做的完全相反，在此处您改变了参数并可能保持阈值固定（也许是 0.5？）。
您可以做的是构建 1000 条 ROC 曲线，并且 select 最好。它是否适合您的情况是另一个问题。
我有一个图像处理算法，它采用三个参数并生成二值图像。对于每张图片，我都有 ground truth。所以我能够计算 true/false positives/negatives。生成的二值图像取决于 3 个参数。每个参数都可以在一个区间内取值，比方说从 0.0 到 1.0。为了找到最好的结果，我 运行 我的算法与每个组合（总共 1000）。对于每个结果，我都会计算统计数据。
现在我想知道哪些参数导致最好的结果。我知道 ROC curve from algorithm engineering. Is this the way to go or is it better to compute the F1-score 并采用导致最高分的参数？
roc 曲线将如下所示：
您误解了什么是 ROC 曲线。
通过改变决策阈值，从一个预测变量（具有一组固定参数）构建 ROC 曲线。这与您在此处所做的完全相反，在此处您改变了参数并可能保持阈值固定（也许是 0.5？）。
您可以做的是构建 1000 条 ROC 曲线，并且 select 最好。它是否适合您的情况是另一个问题。