黄石2023-12-08 09:24:20

同学你好。

问题1：一般业内默认选择少数派作为阳性，因为阳性一词过去多用在疾病检测上，绝大多数情况下都是少数人染病呈阳性，多数人阴性。当然，实际研究中只要定义正确，其实对阳性的设置并没有那么重要，最终研究出来的结果都是一样的。

问题2：Accuracy、Precision和Recall都是越高越好。但是需要注意的是，Accuracy在样本不均衡的情况下并不是一个很好的衡量指标，例如肿瘤科医生看病，不经检验就告诉每个患者他们没有患病，此时虽然检查的准确率较高，但没有任何意义，因为癌症的患病率本来就较低。这时我们应更多地关注Precision和Recall。其中，精确率在假阳性（一类错误）的成本较高时非常有益。举例说明，如果某种制造成本非常高昂的产品本身质量过关，但质检认为其质量不合格，那么此时假阳性的成本较高，需要模型做到足够的精确。召回率则在假阴性（二类错误）的成本较高时非常有益。举例说明，如果某种产品本身质量不过关，但质检认为其质量合格，致使产品最终被寄送至重要客户，那么此时假阴性的成本较高（失去重要客户与口碑受损），需要模型的召回率足够的高。

问题3：对于ROC的刻画同学可以看如下案例https://www.statology.org/roc-curve-excel/