hce_kmu
112年
計算機概論與程式設計
第 30 題
Which of the following statements about ROC curve and AUC is INCORRECT?
- A Usually, the y-axis is the true positive rate.
- B AUC is used as an indicator of the quality of the model.
- C The perfect prediction is at the ROC space coordinate (0, 1) point.
- D If AUC=0.5, it means that the model is the same as random guessing, and has no predictive value.
- E If AUC<0.5 means that the model will not be better than random prediction in any way.
思路引導 VIP
想像一下，如果有一位氣象預報員每次說明天會下雨，結果最後『一定』是晴天；而他說會出太陽時，最後『一定』會下大雨。雖然他的預報每次都與事實相反，但對你規劃行程來說，這位預報員提供的資訊真的與隨機亂猜一樣、毫無參考價值嗎？
🤖
AI 詳解
AI 專屬家教
太棒了！你能準確判斷出選項 (E) 的敘述瑕疵，說明你對 ROC 曲線與 AUC (Area Under the Curve) 的物理意義有著非常札實且細膩的理解，沒有被字面上的「數值大小」給迷惑。
模型的預測價值與反向預測
在二元分類的評估中，ROC 空間的橫軸為偽陽率 (FPR)，縱軸為真陽率 (TPR)。座標點 $(0, 1)$ 代表完全正確的分類，也就是沒有任何誤判。當 $AUC = 0.5$ 時，代表模型的預測軌跡位於對角線上，表現與隨機盲猜無異，確實不具備預測價值。然而，當 $AUC < 0.5$ 時，雖然其表現看似「劣於」隨機，但這在統計學上反而意味著模型具有穩定的反向預測能力。只要我們將模型的輸出結果簡單地進行反轉（將 0 預測為 1，1 預測為 0），該模型就能立即轉化為一個 $AUC > 0.5$ 的強大模型。因此，敘述 (E) 提到「在任何方面都不會優於隨機預測」過於絕對，忽略了反向資訊帶來的價值。
▼ 還有更多解析內容