使用离散预测为朴素贝叶斯分类器实现 ROC 曲线
implement ROC curve for Naive Bayes classifier using discrete predictions
我需要实现朴素贝叶斯 classifier 并绘制
的 ROC 曲线
1) only 2 classes(Trousers and pullovers) out of 10 classes of the [FMNIST][1] dataset and then
2) second for all the ten classes without using scikit library and just basic matplotlib, pandas libraries from scratch.
我已经为这两种情况成功实施了朴素贝叶斯 classifier，但我无法理解如何实施 ROC 曲线，因为它需要设置阈值。朴素贝叶斯 classifier 只是使用似然和先验来获得离散分布的后验，特征值为 RGB(0-255) 值，使用阈值 127（每个测试样本的特征数为 28*）进行二值化28=784）。对于 10 个 classes，我想我需要绘制 10 条曲线，将其中一个 classes 取为正值，其余为负值。
我的 classifier 根据所有 classes 的后验概率的最大值预测测试样本的 class。但我无法理解如何确定阈值以及如何绘制 ROC 曲线。我浏览了一些 Whosebug 和其他链接，但无法理解。请解释一下，因为我是机器学习的新手。
有点晚了但是...
在二元情况下，不要将预测作为具有最大后验的 class，只需保留肯定情况的后验并将其与您的阈值进行比较。
比如你的阈值是0.8，1和0分别表示正负；那么如果 P(Y=1|X) >= 0.8 则你的预测为 1，否则为 0。
我需要实现朴素贝叶斯 classifier 并绘制
的 ROC 曲线1) only 2 classes(Trousers and pullovers) out of 10 classes of the [FMNIST][1] dataset and then
2) second for all the ten classes without using scikit library and just basic matplotlib, pandas libraries from scratch.
我已经为这两种情况成功实施了朴素贝叶斯 classifier，但我无法理解如何实施 ROC 曲线，因为它需要设置阈值。朴素贝叶斯 classifier 只是使用似然和先验来获得离散分布的后验，特征值为 RGB(0-255) 值，使用阈值 127（每个测试样本的特征数为 28*）进行二值化28=784）。对于 10 个 classes，我想我需要绘制 10 条曲线，将其中一个 classes 取为正值，其余为负值。
我的 classifier 根据所有 classes 的后验概率的最大值预测测试样本的 class。但我无法理解如何确定阈值以及如何绘制 ROC 曲线。我浏览了一些 Whosebug 和其他链接，但无法理解。请解释一下，因为我是机器学习的新手。
有点晚了但是...
在二元情况下，不要将预测作为具有最大后验的 class，只需保留肯定情况的后验并将其与您的阈值进行比较。
比如你的阈值是0.8，1和0分别表示正负；那么如果 P(Y=1|X) >= 0.8 则你的预测为 1，否则为 0。