我已经在Caffe中训练了imagenet。现在，我正在尝试为我的模型和caffe提供的经过训练的模型计算ROC / AUC。我有两个问题：
1）ROC / AUC主要用于二进制类，但是我还发现，在某些情况下，人们将其用于多类。有可能上1000堂课。它将产生什么影响？在评论中，人们在多类问题中对ROC / AUC的回答不佳。
2）如果可能的话，比较两个基于ROC / AUC的模型将是一个好主意，有人能告诉如何在Caffe中的这1000个类中做到这一点吗？我是否必须从头开始重新训练模型，还是只能使用最终训练的模型进行计算？
问候
最佳答案
This discussion很好地解决了多类ROC / AUC分析问题。回答您的问题：
您可以为每个类进行多个一对一分类，从而构建多个ROC曲线。
计算出1000个AUC值后，您可以得出所有类别的平均AUC，并使用此指标比较模型的优劣。不，您不需要重新训练模型。
另外，请注意，ROC / AUC度量标准非常具体，主要用于语音识别等检测/生物计量任务。
关于caffe - 计算Caffe中的ROC和AUC？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33306236/