Krzywa ROC dla dyskretnych klasyfikatorów, takich jak SVM: Dlaczego wciąż nazywamy ją „krzywą”? Czy to nie jest tylko „punkt”?

W dyskusji: jak wygenerować krzywą roc do klasyfikacji binarnej , myślę, że zamieszanie polegało na tym, że „klasyfikator binarny” (który jest dowolnym klasyfikatorem, który oddziela 2 klasy) był dla Yang tak zwany „dyskretny klasyfikator” (który produkuje wyjścia dyskretne 0/1 jak SVM), a nie ciągłe dane wyjściowe, takie jak klasyfikatory ANN lub Bayes ... itd. Tak więc dyskusja dotyczyła sposobu, w jaki ROC jest wykreślany dla „binarnych ciągłych klasyfikatorów”, a odpowiedź jest taka, że ​​wyniki są sortowane według ich wyników, ponieważ wyniki są ciągłe, a do utworzenia każdego punktu na krzywej ROC stosowany jest próg.

Moje pytanie dotyczy „binarnych dyskretnych klasyfikatorów”, takich jak SVM, wartości wyjściowe wynoszą 0 lub 1. Zatem ROC wytwarza tylko jeden punkt, a nie krzywą. Jestem zdezorientowany, dlaczego wciąż nazywamy to krzywą? !! Czy nadal możemy mówić o progach? Jak w szczególności zastosować progi w SVM? Jak obliczyć AUC? Czy walidacja krzyżowa odgrywa tutaj jakąkolwiek rolę?

• Tak, są sytuacje, w których nie można uzyskać zwykłej krzywej działania odbiornika i istnieje tylko jeden punkt.

• SVM można skonfigurować tak, aby generowały prawdopodobieństwa członkostwa w klasie. Byłyby to zwykle wartości, dla których wartość progowa byłaby zmieniana w celu uzyskania krzywej działania odbiornika .
  Czy tego szukasz?

• Kroki w ROC zwykle zdarzają się z małą liczbą przypadków testowych, a nie mają nic wspólnego z dyskretnymi zmianami współzmiennej (szczególnie, jeśli wybierasz swoje dyskretne progi, uzyskujesz te same punkty, tak że dla każdego nowego punktu zmienia się tylko jedna próbka jego zadanie).

• Ciągłe zmienianie innych (hiper) parametrów modelu tworzy zestawy par specyficzności / czułości, które dają inne krzywe w układzie współrzędnych FPR; TPR.
  Interpretacja krzywej zależy oczywiście od tego, która odmiana wygenerowała krzywą.

Oto typowy ROC (tj. Żądanie prawdopodobieństwa jako danych wyjściowych) dla klasy „versicolor” zestawu danych tęczówki:

• FPR; TPR (γ = 1, C = 1, próg prawdopodobieństwa):
  

Ten sam typ układu współrzędnych, ale TPR i FPR jako funkcja parametrów strojenia γ i C:

• FPR; TPR (γ, C = 1, próg prawdopodobieństwa = 0,5):
  

• FPR; TPR (γ = 1, C, próg prawdopodobieństwa = 0,5):
  

Te wątki mają znaczenie, ale znaczenie zdecydowanie różni się od zwykłego ROC!

Oto kod R, którego użyłem:

svmperf <- function (cost = 1, gamma = 1) {
    model <- svm (Species ~ ., data = iris, probability=TRUE, 
                  cost = cost, gamma = gamma)
    pred <- predict (model, iris, probability=TRUE, decision.values=TRUE)
    prob.versicolor <- attr (pred, "probabilities")[, "versicolor"]

    roc.pred <- prediction (prob.versicolor, iris$Species == "versicolor")
    perf <- performance (roc.pred, "tpr", "fpr")

    data.frame (fpr = [email protected] [[1]], tpr = [email protected] [[1]], 
                threshold = [email protected] [[1]], 
                cost = cost, gamma = gamma)
}

df <- data.frame ()
for (cost in -10:10)
  df <- rbind (df, svmperf (cost = 2^cost))
head (df)
plot (df$fpr, df$tpr)

cost.df <- split (df, df$cost)

cost.df <- sapply (cost.df, function (x) {
    i <- approx (x$threshold, seq (nrow (x)), 0.5, method="constant")$y 
    x [i,]
})

cost.df <- as.data.frame (t (cost.df))
plot (cost.df$fpr, cost.df$tpr, type = "l", xlim = 0:1, ylim = 0:1)
points (cost.df$fpr, cost.df$tpr, pch = 20, 
        col = rev(rainbow(nrow (cost.df),start=0, end=4/6)))

df <- data.frame ()
for (gamma in -10:10)
  df <- rbind (df, svmperf (gamma = 2^gamma))
head (df)
plot (df$fpr, df$tpr)

gamma.df <- split (df, df$gamma)

gamma.df <- sapply (gamma.df, function (x) {
     i <- approx (x$threshold, seq (nrow (x)), 0.5, method="constant")$y
     x [i,]
})

gamma.df <- as.data.frame (t (gamma.df))
plot (gamma.df$fpr, gamma.df$tpr, type = "l", xlim = 0:1, ylim = 0:1, lty = 2)
points (gamma.df$fpr, gamma.df$tpr, pch = 20, 
        col = rev(rainbow(nrow (gamma.df),start=0, end=4/6)))

roc.df <- subset (df, cost == 1 & gamma == 1)
plot (roc.df$fpr, roc.df$tpr, type = "l", xlim = 0:1, ylim = 0:1)
points (roc.df$fpr, roc.df$tpr, pch = 20, 
        col = rev(rainbow(nrow (roc.df),start=0, end=4/6)))

y^$\hat{y}$$\hat{y}$$\hat{y}=\mbox{sign}({\mathbf w^T x}+b)$${\mathbf w}$$b$

$\eta$$\eta$

$\eta$

${\mathbf w}$$b$$\eta$

>>> from sklearn.svm import SVC
>>> model = SVC(kernel='linear', C=0.001, probability=False, class_weight='balanced')
>>> model.fit(X, y)
>>> # The coefficients w are given by
>>> w = list(model.coef_)
>>> # The intercept b is given by
>>> b = model.intercept_[0]
>>> y_hat = X.apply(lambda s: np.sum(np.array(s)*np.array(w))+b, axis=1)
>>> y_hat = (y_hat > eta).astype(float)

Krzywa ROC wykreśla swoistość w zależności od czułości, która zmienia się wraz z progiem zmiennej towarzyszącej (która może być ciągła lub dyskretna). Myślę, że mylisz zmienną towarzyszącą z odpowiedzią i być może nie w pełni rozumiesz, czym jest krzywa ROC. Jest to z pewnością krzywa, jeśli zmienna towarzysząca jest ciągła, a my patrzymy na próg, dla którego zmienna towarzysząca zmienia się w sposób ciągły. Jeśli zmienna towarzysząca jest dyskretna, nadal można wykreślić jako funkcję ciągłego progu. Następnie krzywa byłaby płaska ze skokami w górę (lub w dół) przy progach, które odpowiadają dyskretnym wartościom współzmiennej. Dotyczy to więc SVM i innych dyskretnych klasyfikatorów.

Jeśli chodzi o AUC, ponieważ nadal mamy ROC (szacowany), nadal możemy obliczyć pod nim obszar. Nie jestem pewien, co miałeś na myśli, pytając o walidację krzyżową. W kontekście problemów z klasyfikacją stosuje się weryfikację krzyżową w celu uzyskania obiektywnych lub prawie obiektywnych oszacowań poziomów błędów klasyfikatora. Może więc wejść w to, jak oceniamy punkty w ROC.