AUC has proved to be a reliable per

AUC has proved to be a reliable performance measure for imbalanced and cost-sensitive problems [18]. Given a binary classification problem, an ROC curve depicts the performance of a method using the (fpr, tpr) pairs, as shown in Fig. 1. fpr is the false positive rate of the classifier, and tpr is the true positive rate (Acc+). AUC is the area below the curve (shaded region in Fig. 1). It integrates performance of the classification method over all possible values of fpr and is proved to be a reliable performance measure for imbalanced and cost-sensitive problems [18].

Kết quả (Việt) 1:

AUC đã chứng tỏ là một biện pháp hiệu suất đáng tin cậy cho các vấn đề mất cân bằng và chi phí nhạy cảm [18]. Đưa ra một vấn đề phân loại nhị phân, một đường cong ROC mô tả hiệu suất của một phương pháp sử dụng (fpr, tpr) cặp, như minh hoạ trong hình 1. FPR là sai tích cực tỷ lệ loại, và tpr là tỷ lệ thuận đúng (Acc +). AUC là diện tích dưới đường cong (khu vực bóng mờ ở hình 1). Nó tích hợp hiệu suất của các phương pháp phân loại trên tất cả các giá trị có thể của fpr và đã chứng tỏ là một biện pháp hiệu suất đáng tin cậy cho các vấn đề mất cân bằng và chi phí nhạy cảm [18].

Kết quả (Việt) 2:

AUC đã được chứng minh là một biện pháp hiệu suất đáng tin cậy cho sự mất cân bằng và chi phí nhạy cảm vấn đề [18]. Cho một vấn đề phân loại nhị phân, một đường cong ROC mô tả việc thực hiện một phương pháp sử dụng (fpr, TPR) cặp, như thể hiện trong hình. 1. fpr là tỷ lệ dương tính giả của phân loại, và TPR là tỷ lệ dương tính thật (Acc +). AUC là diện tích dưới đường cong (vùng bóng mờ trong hình. 1). Nó tích hợp hiệu suất của phương pháp phân loại trên tất cả các giá trị có thể có của fpr và được chứng minh là một biện pháp hiệu suất đáng tin cậy cho sự mất cân bằng và chi phí nhạy cảm vấn đề [18].