胶东三山岛断裂带金矿床蚀变矿物勘查标识

李健,宋明春,王昌伟,王润生,雷鸣,崔庆意,李杰,李世勇

Exploration Indicators of Altered Minerals of Gold Deposits in the Sanshandao Fault Zone，Jiaodong Peninsula

Jian LI,Mingchun SONG,Changwei WANG,Runsheng WANG,Ming LEI,Qingyi CUI,Jie LI,Shiyong Li

图12 机器学习模型结果及其分析图 （a）ROC曲线和AUC值；（b）不同模型的混淆矩阵；（c）不同模型的特征SHAP值图注：ROC曲线是一种用于衡量二分类模型性能的图形化工具，其以真阳性率（True Positive Rate，又称敏感度）为纵轴，假阳性率（False Positive Rate）为横轴，将不同阈值下的分类结果可视化展现出来。在ROC曲线上，理想情况下，模型的曲线越接近左上角（0，1）点，表示模型的性能越好。AUC（Area Under the Curve）是ROC曲线下面积的数值，代表了分类模型的性能。AUC的取值范围在0~1之间，数值越接近1，代表模型的性能越优秀。AUC为0.5时，代表模型的分类能力等同于随机猜测，而当AUC为1时，表示模型完美预测了样本的类别。SHAP图中，从垂直顶部到底部的顺序表示特征的重要性，红色表示高特征值，蓝色表示低特征值，水平轴表示特征值对输出的影响

Fig.12 Results and analysis charts for machine learning models