P1 · 應會
機器學習
ROC 與 AUC
是什麼
ROC 描述不同閾值下真正率與假正率的取捨；AUC 越高通常代表整體排序辨識能力越好。
解決什麼問題
這題考ROC 與 AUC的適用邊界，並要求找出不正確、最不符合或不屬於的選項。
考場 Trigger
- 先圈出『不／錯誤／非』，再判斷例外
- 看到跨閾值比較分類器 → ROC-AUC
- 它不是單一固定閾值的準確率
初級深度
掌握主要用途、考試線索與必要邊界即可。
中級深度
要能說出 ROC 的 X 軸 FPR、Y 軸 TPR 及其醫療意義，知道曲線單調不減、單一門檻的混淆矩陣算不出 AUC，且離線 AUC 高不等於線上成效。