به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

با سلام خدمت دوستان من دارم با شبکه مالتی پرسپترون کلاسیفیکیشن انجام میدم. تونستم ماتریس کانفیوژن رو بدست بیارم و همچنین specificity، sensitivity و accuracy ممنون میشم با توجه به این اطلاعات کسی بتونه کمک کنه چطوری AUC رو با کمک اینا بدست بیارم. با تشکر

توسط (100 امتیاز)

1 پاسخ

0 امتیاز

شما ماتریس کانفیوژن رو محاسبه کردید پس برچسب های درست و پیش بینی شده رو دارید.
با استفاده از این دو ورودی و دستور perfcurve متلب میتونید مقدار AUC رو محاسبه کنید. برای یادگیری نحوه درست استفاده به صفحه راهنما متلب مراجعه کنید.
MATLAB help for perfcurve
همچنین اگر میخواهید این کار رو توی پایتون انجام بدید کتابخانه sklearn این کار رو انجام میده.

from sklearn import metrics
fpr, tpr, thresholds = metrics.roc_curve(y, pred, pos_label=2)
metrics.auc(fpr, tpr)

برای دیدن یک مثال به این صفحه مراجعه کنید.
sklearn example

توسط (200 امتیاز)
بسیار عالی. پس پارامتر اول کلاس های واقعی و پارامتر دوم کلاس های پیش بینی شده است و با دادن این دو بردار نتیجه حاصل میشه
. بازم بخاطر تمام راهنمایی ها ممنونم.
ممنون بسیار عالی بود
...