预览加载中，请您耐心等待几秒...

ROC分析.ppt

预览
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲，该文档总共19页，到这已经超出免费预览范围，如果喜欢就直接下载吧～

下载提示 文本预览

如果您无法下载资料，请参考说明：

1、部分资料下载需要金币，请确保您的账户上有足够的金币

2、已购买过的文档，再次下载不重复扣费

3、资料包下载后请先用软件解压，在使用对应软件打开

ROC【receiveroperatingcharacteristic】，译为“接收者工作特征”，二战时期用于表示信号检测特性时创造的术语。 ROC曲线研究历史 1950’s雷达信号观测能力评价 1960’s中期实验心理学、心理物理学 1970’s末与1980’s诊断医学ROC曲线是显示分类模型真阳率（灵敏度）和假阳率（虚警率）之关系的一种图形化方法，ROC曲线可以用于全面评价一个分类器。 考虑一个二分问题，即将实例分成正类（positive）或负类（negative）。对一个二分问题来说，会出现四种情况。如果一个实例是正类并且也被预测成正类，即为真阳类（Truepositive）,如果实例是负类被预测成正类，称之为假阳类（Falsepositive）诊断试验中常用的评价指标例13.2表13.2ECG诊断试验的结果例13.2表13.2ECG诊断试验的结果例13.2表13.2ECG诊断试验的结果 ECG诊断结果医生最关心的问题：1.试验阳性时患病的概率多大？2.试验阴性时不患病的概率多大？ 3.如何选择合适的诊断界值，做出合理的诊断，使患者获得最好的处理在进行诊断临界点选择的时候，需要综合考虑灵敏度和特异度，选择最佳诊断界值。ROC曲线提供了很好的临界点选择工具。灵敏度,特异度,假阴性率,假阳性率 主要任务： 计算ROC曲线工作点（Coordinatepoint或Operatingpoint）（FPR,TPR） 连接相邻两点连续型数据的ROC曲线工作点（TPR，FPR）计算有序分类数据的ROC曲线工作点（TPR，FPR）计算（1）ROC曲线上的每一个点对应于一个threshold，大于这个值的实例划归为正类，小于这个值则划到负类中. Threshold最大时，把每个实例都预测为负类，TPR=0,FPR=0，对应于原点； Threshold最小时，，把每个实例都预测为正类，TPR=1,FPR=1，对应于右上角的点(1,1) 可以根据对灵敏度和特异度的特定要求，确定ROC曲线一适当的工作点，确定最好的决策阈值。 （2）理想情况下，TPR应该接近1，FPR应该接近0。 一个好的分类模型应该尽可能靠近图形的左上角， 而一个随机猜测模型应位于连接点（TPR=0,FPR=0）和（TPR=1,FPR=1）的主对角线上。 （3）ROC曲线下方的面积（AUC）提供了评价模型平均性能的另一种方法。如果模型是完美的，那么它的AUG=1，如果模型是个简单的随机猜测模型，那么它的AUG=0.5，如果一个模型好于另一个，则它的曲线下方面积相对较大。 ROC曲线可以全面评分类器的性能。