Confusion Matrix and ROC Curves
Let's explore two powerful tools for understanding classification model performance.
Reading a Confusion Matrix
جارٍ تحميل ساحة تجربة Python...
Adjusting the Threshold
جارٍ تحميل ساحة تجربة Python...
ROC Curve Intuition
جارٍ تحميل ساحة تجربة Python...
AUC: Area Under the Curve
جارٍ تحميل ساحة تجربة Python...
Multi-class Confusion Matrix
جارٍ تحميل ساحة تجربة Python...
Key Takeaways
- Confusion matrix shows all 4 outcomes: TP, TN, FP, FN
- Threshold trades off precision vs recall
- ROC curve shows TPR vs FPR at all thresholds
- AUC summarizes ROC in a single number (0.5 = random, 1.0 = perfect)
- For multi-class: calculate metrics per class or use macro/micro averaging
- Use sklearn:
confusion_matrix(),roc_curve(),roc_auc_score()
اختبار قصير
السؤال 1 من 520% مكتمل
0 من 5 أسئلة تمت الإجابة عنها
التالي · الدرس 23 من 35
Overfitting and Underfitting
قراءة 1 دقيقة
أنهيت 22 من 35 درسًا

اسأل Byte عن هذا الدرس
محادثة خاصة حول هذا الدرس. قرأ Byte الدرس كاملًا، ويجيب خلال ثوانٍ، ويُظهر القسم الذي تأتي منه كل إجابة. يمكنك السؤال بأي لغة.
الأسئلة والأجوبة
أسئلة عامة حول هذا الدرس. يجيب AI Tutor فورًا بلغتك، ويراجع فريق FreeAcademy الإجابات، ويمكن لكل المتعلمين قراءتها.

