零公式讲解统计学——ROC曲线

时间:2019-08-06 来源:www.inderal-buypropranolol.com

银河娱乐app

让我们来谈谈今天的ROC(接收器操作员特性)曲线。

在上一篇文章中,我们介绍了敏感性和特异性在只有两种可能的事实和测试(疾病/非疾病,阴性/阳性)的情况下,这两个指标并不难理解。但如果测试结果不仅是消极和积极的,还有其他可能性,那就更难了。

假设验血,数值指标有1,2,3,4,5,五种可能性。我们不确定哪个值大于或等于癌症诊断指数。

如果我们说测试指数大于或等于1并且它是癌症,则该测试的灵敏度为100%,因为每个人都将被诊断患有癌症,我们不会错过任何患有癌症的患者。但该测试的特异性为0,因为任何健康人也将被诊断患有癌症。

对于用作判断癌症的指标的其他值,假设血液检验值如下:

7554582-6ac5d61d941d28f9.png

验血1

例如,如果我们说测试指数大于或等于2是癌症,则该测试的灵敏度假定为96%,特异性为39%。这意味着将检测到96%的癌症患者。在非癌症患者中,39%被正确诊断为没有患癌症。

还有另一项血液检查,数值指标也有1,2,3,4,5种可能性,特异性和敏感性表如下:

7554582-810d3e5ff606f2a2.png

验血2

对不起,哪种血液指数对癌症更好?

从表中可以看出,血液检测1的特异性和敏感性相对较高,表明血液检测1优于血液检验2.但如果数据很多,则比较非常麻烦。有一种非常简单的方法可以做到这一点,即ROC曲线。

ROC曲线的横轴是1减去特异性,而纵轴是灵敏度。 ROC曲线直观地表示使用不同值来确定特异性和灵敏度之间关系的测试。将上述两个表的数据绘制为ROC曲线,您将得到以下图片:

7554582-3638c2d325017fd8.png

ROC曲线

我们发现血液测试1的ROC曲线(红线?└哂谘翰馐?2,然后它表明血液测试1更好。当观察ROC曲线时,曲线越接近左上角,即灵敏度越高,奇异值越低越好。

如果有以下两个测试,他们的ROC曲线如何相互交叉?

7554582-495f3bfeac34f250.png

ROC曲线

曲线相交,也就是说,在某些情况下,绿线会比红线更好。但总的来说,由于红线的AUC较高,检测3将优于检测4.

ROC和AUC不仅在统计学中得到广泛应用,而且在热机学习中也有很多用途,但原理是相同的。简而言之,ROC和AUC是比较不同测试/模型的非常简单的方法。

96

思考和思考

95f2f807-7879-4380-83bc-f5c88acb4992

2019.07.27 02: 54

字数931

让我们来谈谈今天的ROC(接收器操作员特性)曲线。

在上一篇文章中,我们介绍了敏感性和特异性在只有两种可能的事实和测试(疾病/非疾病,阴性/阳性)的情况下,这两个指标并不难理解。但如果测试结果不仅是消极和积极的,还有其他可能性,那就更难了。

假设验血,数值指标有1,2,3,4,5,五种可能性。我们不确定哪个值大于或等于癌症诊断指数。

如果我们说测试指数大于或等于1并且它是癌症,则该测试的灵敏度为100%,因为每个人都将被诊断患有癌症,我们不会错过任何患有癌症的患者。但该测试的特异性为0,因为任何健康人也将被诊断患有癌症。

对于用作判断癌症的指标的其他值,假设血液检验值如下:

7554582-6ac5d61d941d28f9.png

验血1

例如,如果我们说测试指数大于或等于2是癌症,则该测试的灵敏度假定为96%,特异性为39%。这意味着将检测到96%的癌症患者。在非癌症患者中,39%被正确诊断为没有患癌症。

还有另一项血液检查,数值指标也有1,2,3,4,5种可能性,特异性和敏感性表如下:

7554582-810d3e5ff606f2a2.png

验血2

对不起,哪种血液指数对癌症更好?

从表中可以看出,血液检测1的特异性和敏感性相对较高,表明血液检测1优于血液检验2.但如果数据很多,则比较非常麻烦。有一种非常简单的方法可以做到这一点,即ROC曲线。

ROC曲线的横轴是1减去特异性,而纵轴是灵敏度。 ROC曲线直观地表示使用不同值来确定特异性和灵敏度之间关系的测试。将上述两个表的数据绘制为ROC曲线,您将得到以下图片:

7554582-3638c2d325017fd8.png

ROC曲线

我们发现血液测试1的ROC曲线(红线)高于血液测试2,然后它表明血液测试1更好。当观察ROC曲线时,曲线越接近左上角,即灵敏度越高,奇异值越低越好。

如果有以下两个测试,他们的ROC曲线如何相互交叉?

7554582-495f3bfeac34f250.png

ROC曲线

曲线相交,也就是说,在某些情况下,绿线会比红线更好。但总的来说,由于红线的AUC较高,检测3将优于检测4.

ROC和AUC不仅在统计学中得到广泛应用,而且在热机学习中也有很多用途,但原理是相同的。简而言之,ROC和AUC是比较不同测试/模型的非常简单的方法。

让我们来谈谈今天的ROC(接收器操作员特性)曲线。

在上一篇文章中,我们介绍了敏感性和特异性在只有两种可能的事实和测试(疾病/非疾病,阴性/阳性)的情况下,这两个指标并不难理解。但如果测试结果不仅是消极和积极的,还有其他可能性,那就更难了。

假设验血,数值指标有1,2,3,4,5,五种可能性。我们不确定哪个值大于或等于癌症诊断指数。

如果我们说测试指数大于或等于1并且它是癌症,则该测试的灵敏度为100%,因为每个人都将被诊断患有癌症,我们不会错过任何患有癌症的患者。但该测试的特异性为0,因为任何健康人也将被诊断患有癌症。

对于用作判断癌症的指标的其他值,假设血液检验值如下:

7554582-6ac5d61d941d28f9.png

验血1

例如,如果我们说测试指数大于或等于2是癌症,则该测试的灵敏度假定为96%,特异性为39%。这意味着将检测到96%的癌症患者。在非癌症患者中,39%被正确诊断为没有患癌症。

还有另一项血液检查,数值指标也有1,2,3,4,5种可能性,特异性和敏感性表如下:

7554582-810d3e5ff606f2a2.png

验血2

对不起,哪种血液指数对癌症更好?

从表中可以看出,血液检测1的特异性和敏感性相对较高,表明血液检测1优于血液检验2.但如果数据很多,则比较非常麻烦。有一种非常简单的方法可以做到这一点,即ROC曲线。

ROC曲线的横轴是1减去特异性,而纵轴是灵敏度。 ROC曲线直观地表示使用不同值来确定特异性和灵敏度之间关系的测试。将上述两个表的数据绘制为ROC曲线,您将得到以下图片:

7554582-3638c2d325017fd8.png

ROC曲线

我们发现血液测试1的ROC曲线(红线)高于血液测试2,然后它表明血液测试1更好。当观察ROC曲线时,曲线越接近左上角,即灵敏度越高,奇异值越低越好。

如果有以下两个测试,他们的ROC曲线如何相互交叉?

7554582-495f3bfeac34f250.png

ROC曲线

曲线相交,也就是说,在某些情况下,绿线会比红线更好。但总的来说,由于红线的AUC较高,检测3将优于检测4.

ROC和AUC不仅在统计学中得到广泛应用,而且在热机学习中也有很多用途,但原理是相同的。简而言之,ROC和AUC是比较不同测试/模型的非常简单的方法。