ROC provides comparison between pre

ROC provides comparison between predicted and actual target values in a classification. It describes the performance of a model with complete range of classification thresholds or in other words, it has been used for model comparisons. ROC area varies between 0 to 1 intervals. By default classification threshold for binary classification is .5. When the probability of a prediction is 50% or more, the model predicts that class. Changes in the classification threshold affects the predictions made by the model; if the threshold for predicting the positive class is changed from 0.4 to 0.7 then fewer positive predictions will be made. This will affect the distribution of values in the confusion matrix

Results (Indonesian) 1:

ROC menyediakan perbandingan antara nilai-nilai diperkirakan dan sebenarnya target dalam klasifikasi. Ini menggambarkan kinerja model dengan lengkap ambang klasifikasi atau dengan kata lain, telah digunakan untuk perbandingan model. ROC daerah bervariasi antara 0-1 interval. Secara default klasifikasi ambang untuk klasifikasi biner adalah.5. Ketika kemungkinan prediksi 50% atau lebih, model memprediksi bahwa kelas. Perubahan ambang batas klasifikasi mempengaruhi prediksi yang dibuat oleh model; Jika ambang batas untuk memprediksi kelas positif berubah dari 0,4 menjadi 0,7 kemudian lebih sedikit positif prediksi akan dibuat. Ini akan mempengaruhi distribusi nilai-nilai dalam matriks kebingungan

Results (Indonesian) 2:

ROC memberikan perbandingan antara nilai target diprediksi dan aktual klasifikasi. Ini menggambarkan kinerja model dengan rangkaian lengkap ambang klasifikasi atau dengan kata lain, telah digunakan untuk perbandingan Model. wilayah ROC bervariasi antara 0 hingga 1 interval. Secara default ambang klasifikasi untuk klasifikasi biner adalah 0,5. Ketika probabilitas prediksi adalah 50% atau lebih, model memprediksi kelas itu. Perubahan ambang klasifikasi mempengaruhi prediksi yang dibuat oleh model; jika ambang batas untuk memprediksi kelas positif berubah 0,4-0,7 prediksi positif maka lebih sedikit akan dibuat. Hal ini akan mempengaruhi distribusi nilai dalam matriks kebingungan