Fatal编程技术网
  • machine-learning/
  • Machine learning 当我使用更多变量时，ROC曲线下面积（AUC）为什么会减少？

Machine learning 当我使用更多变量时，ROC曲线下面积（AUC）为什么会减少？

machine-learning neural-network matlab

Machine learning 当我使用更多变量时，ROC曲线下面积（AUC）为什么会减少？,machine-learning,neural-network,matlab,roc,Machine Learning,Neural Network,Matlab,Roc,我的数据集有100个特征的400个观测值。400个观测值中的每一个都属于2类中的1类 我正在MATLAB中训练一个神经网络（）来对这个数据集进行分类。 我不会一次使用所有的特性，但首先我使用一个特性（400x1），然后添加第二个特性（400x2），以此类推。在每一步中，我都使用以下公式计算AUC 我的问题是： AUC在变化，但并不总是随着每次额外输入而变大。 当我使用更多的功能来训练网络时，AUC不应该增加吗？（我总是使用相同的分区） 感谢所有的评论和帮助！谢谢 也许第一个特征更具辨别力，而最后

我的数据集有100个特征的400个观测值。400个观测值中的每一个都属于2类中的1类

我正在MATLAB中训练一个神经网络（）来对这个数据集进行分类。
我不会一次使用所有的特性，但首先我使用一个特性（400x1），然后添加第二个特性（400x2），以此类推。在每一步中，我都使用以下公式计算AUC

我的问题是：

AUC在变化，但并不总是随着每次额外输入而变大。
当我使用更多的功能来训练网络时，AUC不应该增加吗？（我总是使用相同的分区）

感谢所有的评论和帮助！谢谢

也许第一个特征更具辨别力，而最后一个特征只会增加噪音！您可以尝试运行一个随机林，看看哪些特征在类别之间最有区别

查看您生成的ROC曲线以及网络结构会很有帮助。更好的是，你可以发布你使用的代码。也许第一个功能更具辨别力，而最后一个功能只会增加噪音！您可以尝试运行一个随机林，看看哪些特性是最有区别的categories@bendaizer你说得对，第一个是最有鉴别力的！我所拥有的功能，是根据它们在不同类别之间的分布差异预先订购的。@bogatron很抱歉花了这么多时间来回答，我已经更改了几个月的项目。尽管如此，发布所有ROC曲线还是很困难的，因为MATLAB为每个附加功能提供了四个ROC曲线图，所以它们大约有400个曲线图。所以，我不知道为什么，但我无法对您的评论进行投票。。。