为啥当我使用更多变量时，ROC 中的曲线下面积 (AUC) 会减小？

Posted 2023-03-12

【中文标题】为啥当我使用更多变量时，ROC 中的曲线下面积 (AUC) 会减小？

【英文标题】：Why area under curve (AUC) in ROC decreases when I use more variables?为什么当我使用更多变量时，ROC 中的曲线下面积 (AUC) 会减小？

【发布时间】：2013-11-17 13:41:13

【问题描述】：

我的数据集包含 100 个特征的 400 个观察值。 400 个观测值中的每一个都属于 2 个类中的 1 个。

我正在 MATLAB 中训练一个神经网络 (patternet(15)) 以对该数据集进行分类。 我不会一次使用所有功能，但首先我使用一个功能 (400x1)，然后添加第二个功能 (400x2)，依此类推。在每一步，我都会使用perfcurve 计算 AUC。

这是我的问题：

AUC 正在发生变化，但并不总是随着每个额外的输入而变大。 随着我使用更多功能来训练网络，AUC 不应该增加吗？ （我总是通过divideind 使用相同的划分）。

感谢所有 cmets 和帮助！谢谢！

【问题讨论】：

查看您制作的 ROC 曲线以及您的网络结构会很有帮助。更好的是，您可以发布您使用的代码。

也许第一个特征更具辨别力，最后一个只会增加噪音！您可以尝试运行一个随机森林，看看哪些特征是类别之间最具区分性的

@bendaizer 你是对的，第一个是最具歧视性的！我拥有的功能是根据类别之间分布的差异预先订购的。

@bogatron 很抱歉花了这么多时间来回答，我已经改变了几个月的项目。仍然很难发布所有 ROC 曲线，因为 MATLAB 为每个附加功能提供了四个 ROC 图，因此它们将是大约 400 个图

另外，我不知道为什么，但我不能投票给你的 cmets...

【参考方案1】：

也许第一个特征更具辨别力，而最后一个特征只会增加噪音！你可以尝试运行一个随机森林，看看哪些特征是类别之间最具区分性的