AUC 理论推导

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了AUC 理论推导相关的知识,希望对你有一定的参考价值。

参考技术A 一. 应用场景

1.分类

2. ranking

二. AUC的意义解释

在随机抽取两个正负样本,负样本得分比正样本高的比例. 这样的解释,在分类场景和rank场景都能说得通.

三. 求法

概念:

混淆矩阵

    TPR(真阳率):  TPR = TP/(TP+FN) = TP/(正样本数)

    FPR(伪阳率):  FPR = FP/(FP+TN) = FP/(负样本数)

然后画一个ROC曲线,横轴: FPR, 纵轴: TPR, AUC就是ROC曲线下的面积

【重点】 理论推导

这样,就连通了求法和AUC的物理含义了.

Spring概述以及IOC理论推导

Spring概述以及IOC理论推导

1.Spring概述





2.IOC理论推导

https://mvnrepository.com/artifact/org.springframework/spring-webmvc/5.3.17
去maven仓库导入依赖

  <dependency>
        <groupId>org.springframework</groupId>
        <artifactId>spring-webmvc</artifactId>
        <version>5.3.17</version>
    </dependency>
</dependencies>

新建一个干净的maven项目



用户是通过service层去掉Dao层的




IOC精华



个人理解:
之前控制权在程序员,现在在用户,这就会所谓的控制反转

以上是关于AUC 理论推导的主要内容,如果未能解决你的问题,请参考以下文章

IOC理论推导

IOC理论推导

GAN理论推导(知乎转载)

机器学习线性回归——最小二乘法(理论+图解+公式推导)

机器学习线性分类——感知机算法(理论+图解+公式推导)

机器学习集成学习(Boosting)——XGBoost算法(理论+图解+公式推导)