ROC-AUC từ probability
Hiểu ROC-AUC đánh giá ranking của probability qua mọi threshold.
Tiến độ của tôi ở bài này
Điểm được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: predict proba, binary labels, threshold ranking.
Nội dung đề bài
Mục tiêu kiến thức
Hiểu ROC-AUC đánh giá ranking của probability qua mọi threshold.
Mô tả bài toán
Đây là bài số 374 trong tầng Đánh giá và chọn model. Bài dùng thư viện sklearn.metrics.roc_auc_score trên dữ liệu nhỏ, cố định và chạy CPU; mục tiêu là hiểu workflow chứ không bắt học viên tự viết lại thư viện.
Yêu cầu
Dùng roc_auc_score trực tiếp trên probability lớp dương, không biến probability thành nhãn trước.
def roc_auc_from_probabilities(y_true, probabilities):Input
y_true nhị phân và list probability.
Output
Dictionary roc_auc làm tròn 6 chữ số.
Ràng buộc
Probability liên tục phải được giữ nguyên để metric thấy chất lượng ranking.
Ví dụ
Giải thích
Xếp đúng mọi negative trước positive cho ROC-AUC bằng 1.
Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.