剧集
使用 ROC 曲线分析逻辑回归性能 [第 17 部分] |初学者机器学习
替换为 Bea Stollnitz
加入 Microsoft 首席云大使 Bea Stollnitz，她教你如何使用 ROC（接收器操作特征）曲线分析逻辑回归模型的性能。 我们将使用这些分类器来评估使用南瓜数据集🎃在上一个视频中生成的逻辑回归分类器。
学习内容：
- ROC 曲线是什么
- ROC 曲线如何帮助评估二进制分类器
- ROC 曲线与混淆矩阵的关系
Bea 将指导你完成在 Juypter Notebook 中使用 Python 创建 ROC 曲线的过程，以及如何解释其结果，以深入了解模型的性能。
请继续关注本系列中的下一个视频，因此你不会错过 ML for Beginners 系列中即将推出的视频！
章节
- 00:00 - 简介
- 00：17 - 什么是 ROC 曲线？
- 00：37 - 我们正在处理的笔记本
- 00：55 - ROC 曲线的定义
- 01：29 - 为逻辑回归选择新阈值
- 02：21 - 使用多个分类阈值绘制 ROC
- 02：43 - 在代码中创建 ROC 曲线
- 03：00 - ROC 曲线的形状
- 03：38 - 读取 ROC 曲线
- 04：10 - 计算 ROC 曲线下的区域
推荐的资源
- 本课程基于 Microsoft 提供的免费、开源且由 26 节课组成的适合初学者的 ML 课程。
- 可以学习本课的 Jupyter Notebook！
“连接”
- Bea Stollnitz | 博客
- Bea Stollnitz |推特： @beastollnitz
- Bea Stollnitz |LinkedIn： in/beatrizstollnitz/
加入 Microsoft 首席云大使 Bea Stollnitz，她教你如何使用 ROC（接收器操作特征）曲线分析逻辑回归模型的性能。 我们将使用这些分类器来评估使用南瓜数据集🎃在上一个视频中生成的逻辑回归分类器。
学习内容：
- ROC 曲线是什么
- ROC 曲线如何帮助评估二进制分类器
- ROC 曲线与混淆矩阵的关系
Bea 将指导你完成在 Juypter Notebook 中使用 Python 创建 ROC 曲线的过程，以及如何解释其结果，以深入了解模型的性能。
请继续关注本系列中的下一个视频，因此你不会错过 ML for Beginners 系列中即将推出的视频！
章节
- 00:00 - 简介
- 00：17 - 什么是 ROC 曲线？
- 00：37 - 我们正在处理的笔记本
- 00：55 - ROC 曲线的定义
- 01：29 - 为逻辑回归选择新阈值
- 02：21 - 使用多个分类阈值绘制 ROC
- 02：43 - 在代码中创建 ROC 曲线
- 03：00 - ROC 曲线的形状
- 03：38 - 读取 ROC 曲线
- 04：10 - 计算 ROC 曲线下的区域
推荐的资源
- 本课程基于 Microsoft 提供的免费、开源且由 26 节课组成的适合初学者的 ML 课程。
- 可以学习本课的 Jupyter Notebook！
“连接”
- Bea Stollnitz | 博客
- Bea Stollnitz |推特： @beastollnitz
- Bea Stollnitz |LinkedIn： in/beatrizstollnitz/
视频 URL
HTML iframe
想提供反馈？ 在此处提交问题。