Calcule la surface sous la courbe de ROC 🌐 Computes the area under the ROC

Pour éviter de stocker toutes les prédictions et les valeurscibles pour une époque, nous calculons des matrices de confusion sur une plage de seuils établis à l'avance.

Utilisation

luz_metric_binary_auroc(
  num_thresholds = 200,
  thresholds = NULL,
  from_logits = FALSE
)

Arguments

num_thresholds: Nombre de seuils utilisés pour calculer les matrices de confusion. Lorsqu'utilisés, les seuils sont créés en prenant num_thresholds valeurs linéairement espacées sur l'intervale [0, 1].
thresholds: (facultatif) Si des seuils sont fournis, alors ceux-ci sont utilisés pour calculer les matrices de confusion et le paramètre num_thresholds est ignoré.
from_logits: Booléen indiquant si les prédictions sont des logits, dans ce cas nous utilisons la fonction sigmoid pour les placer dans l'intervalle [0, 1].

Voir également

Autres métrique luz: luz_metric_accuracy(), luz_metric_binary_accuracy_with_logits(), luz_metric_binary_accuracy(), luz_metric_mae(), luz_metric_mse(), luz_metric_multiclass_auroc(), luz_metric_rmse(), luz_metric()

Exemples

if (torch::torch_is_installed()){
library(torch)
actual <- c(1, 1, 1, 0, 0, 0)
predicted <- c(0.9, 0.8, 0.4, 0.5, 0.3, 0.2)

y_true <- torch_tensor(actual)
y_pred <- torch_tensor(predicted)

m <- luz_metric_binary_auroc(thresholds = predicted)
m <- m$new()

m$update(y_pred[1:2], y_true[1:2])
m$update(y_pred[3:4], y_true[3:4])
m$update(y_pred[5:6], y_true[5:6])

m$compute()
}
#> Error in luz_metric_binary_auroc(thresholds = predicted): impossible de trouver la fonction "luz_metric_binary_auroc"