Технологии интеллектуального анализа данных : учебное пособие

296 специфичности Sp . Строится график зависимости: по оси Y откла- дывается чувствительность Se , по оси X – 100%- Sp (сто процентов минус специфичность). Пример ROC-кривой приведен на рис. 4.28. График часто до- полняют прямой у = х . Для идеального классификатора график ROC-кривой прохо- дит через верхний левый угол, где доля истинно положительных случаев составляет 100 % или 1,0 (идеальная чувствительность), а доля ложно положительных примеров равна нулю. Поэтому чем ближе кривая к верхнему левому углу, тем выше предсказательная способность модели. И, наоборот, чем меньше изгиб кривой и чем ближе она расположена к диагональной прямой, тем менее эффек- тивна модель. Диагональная линия соответствует «бесполезному» классификатору, т.е. полной неразличимости двух классов. При визуальной оценке ROC-кривых расположение их отно- сительно друг друга указывает на их сравнительную эффективность. Кривая, расположенная выше и левее, свидетельствует о большей предсказательной способности модели. Так, на рис. 4.29 две ROC- кривые совмещены на одном графике. Видно, что модель « А » луч- ше модели « В ». Рис. 4.28. Пример ROC кривой Рис. 4.29. Сравнение ROC-кривых