首页 >
ROC曲线
✍ dations ◷ 2025-07-08 16:32:13 #ROC曲线
在信号检测理论中,接收者操作特征曲线(receiver operating characteristic curve,或者叫ROC曲线)是一种坐标图式的分析工具,用于 (1) 选择最佳的信号侦测模型、舍弃次佳的模型。 (2) 在同一模型中设定最佳阈值。在做决策时,ROC分析能不受成本/效益的影响,给出客观中立的建议。ROC曲线首先是由二战中的电子工程师和雷达工程师发明的,用来侦测战场上的敌军载具(飞机、船舰),也就是信号检测理论。之后很快就被引入了心理学来进行信号的知觉检测。数十年来,ROC分析被用于医学、无线电、生物学、犯罪心理学领域中,而且最近在机器学习(machine learning)和数据挖掘(data mining)领域也得到了很好的发展。分类模型(又称分类器,或诊断)是将一个实例映射到一个特定类的过程。ROC分析的是二元分类模型,也就是输出结果只有两种类别的模型,例如:(阳性/阴性)(有病/没病)(垃圾邮件/非垃圾邮件)(敌军/非敌军)。当讯号侦测(或变数测量)的结果是一个连续值时,类与类的边界必须用一个阈值(英语:threshold)来界定。举例来说,用血压值来检测一个人是否有高血压,测出的血压值是连续的实数(从0~200都有可能),以收缩压140/舒张压90为阈值,阈值以上便诊断为有高血压,阈值未满者诊断为无高血压。二元分类模型的个案预测有四种结局:这四种结局可以画成2 × 2的混淆矩阵:ROC空间将伪阳性率(FPR)定义为 X 轴,真阳性率(TPR)定义为 Y 轴。给定一个二元分类模型和它的阈值,就能从所有样本的(阳性/阴性)真实值和预测值计算出一个 (X=FPR, Y=TPR) 座标点。从 (0, 0) 到 (1,1) 的对角线将ROC空间划分为左上/右下两个区域,在这条线的以上的点代表了一个好的分类结果(胜过随机分类),而在这条线以下的点代表了差的分类结果(劣于随机分类)。完美的预测是一个在左上角的点,在ROC空间座标 (0,1)点,X=0 代表着没有伪阳性,Y=1 代表着没有伪阴性(所有的阳性都是真阳性);也就是说,不管分类器输出结果是阳性或阴性,都是100%正确。一个随机的预测会得到位于从 (0, 0) 到 (1, 1) 对角线(也叫无识别率线)上的一个点;最直观的随机预测的例子就是抛硬币。让我们来看在实际有100个阳性和100个阴性的案例时,四种预测方法(可能是四种分类器,或是同一分类器的四种阈值设定)的结果差异:将这4种结果画在ROC空间里:上述ROC空间里的单点,是给定分类模型且给定阈值后得出的。但同一个二元分类模型的阈值可能设定为高或低,每种阈值的设定会得出不同的FPR和TPR。例如右图,人体的血液蛋白浓度是呈正态分布的连续变数,病人的分布是红色,平均值为A g/dL,健康人的分布是蓝色,平均值是C g/dL。健康检查会测量血液样本中的某种蛋白质浓度,达到某个值(阈值,threshold)以上诊断为有疾病征兆。研究者可以调整阈值的高低(将左上图的B垂直线往左或右移动),便会得出不同的伪阳性率与真阳性率,总之即得出不同的预测准确率。1. 由于每个不同的分类器(诊断工具、侦测工具)有各自的测量标准和测量值的单位(标示为:“健康人-病人分布图”的横轴),所以不同分类器的“健康人-病人分布图”都长得不一样。2. 比较不同分类器时,ROC曲线的实际形状,便视两个实际分布的重叠范围而定,没有规律可循。3. 但在同一个分类器之内,阈值的不同设定对ROC曲线的影响,仍有一些规律可循:在比较不同的分类模型时,可以将每个模型的ROC曲线都画出来,比较曲线下面积做为模型优劣的指标。ROC曲线下方的面积(英语:Area under the Curve of ROC (AUC ROC)),其意义是:从AUC判断分类器(预测模型)优劣的标准:AUC的计算有两种方式,都是以逼近法求近似值。梯形法(英语:trapezoid method):简单地将每个相邻的点以直线连接,计算连线下方的总面积。因为每一线段下方都是一个梯形,所以叫梯形法。AUC of ROC是机器学习的社群最常使用来比较不同模型优劣的方法 。然而近来这个做法开始受到质疑,因为有些机器学习的研究指出,AUC的杂讯太多,并且很常求不出可信又有效的AUC值(此时便不能保证AUC传达本节开头所述之意义),使得AUC在模型比较时产生的问题比解释的问题更多 。所有常用于统计分析的软件(例:SPSS、SAS、SYSTAT、S-Plus、ROCKIT、RscorePlus)都有依据不同阈值自动计算真阳性和伪阳性比率、并依此绘制ROC曲线的功能。离散分类器(英语:discrete,或称“间断分类器”),如决策树,产生的是离散的数值或者一个二元标签。应用到实例中,这样的分类器最后只会在ROC空间产生单一的点。而一些其他的分类器,如朴素贝叶斯分类器,逻辑回归或者人工神经网络,产生的是实例属于某一类的可能性,对于这些方法,一个阈值就决定了ROC空间中点的位置。举例来说,如果可能值低于或者等于0.8这个阈值就将其认为是阳性的类,而其他的值被认为是阴性类。这样就可以通过画每一个阈值的ROC点来生成一个生成一条曲线。MedCalc是较好的ROC曲线分析软件。
相关
- 血液检查血液检查(英语:Blood test),是指通过采血以获得受检者的血液,并利用其进行临床检查以获取受检者的健康状况。主要通过医检师进行检验。血液检查主要用于判断患者在一定时间内的身
- 氮2s2 2p32, 5蒸气压第一:1402.3 kJ·mol−1 第二:2856 kJ·mol−1 第三:4578.1 kJ·mol−1 (主条目:氮的同位素氮是一个化学元素,化学符号为N,原子序为7,在丹尼尔·卢瑟福在1772
- 链霉菌链霉菌属也称链丝菌,是放线菌门一个大属,约有近千种。链丝菌好气,绝大部分腐生,其基质菌丝不断裂,气生菌丝分化成直的、弯曲的或螺旋状的孢子丝,成熟的孢子丝生成链状的分生孢子,故
- 单链DNA病毒脱氧核糖核酸病毒(英语:DNA virus),又称DNA病毒,其遗传物质为DNA。一般为正链DNA病毒。医学导航: 病毒病病毒(蛋白质)/分类cutn/syst (hppv/艾滋病, 流感/疱疹/人畜共患)/人名体
- 桃乐丝·安得森多萝西·汉思·安德森(英语:Dorothy Hansine Andersen,1901年5月15日-1963年3月3日)是一位美国医生,她第一个确认了囊肿性纤维化并描述病情。安德森出生于北卡罗来纳州阿什维尔,192
- 自然灾害自然灾害是指由人类行为以外的力量造成广泛破坏,大量附带损害或生命损失的突发事件。地震,洪水,火山爆发,山体滑坡,飓风等可能造成自然灾害。被列为灾害意味着产生深远的环境影响
- diagnosis lag time诊断,在医学意义上指对人体生理或精神疾病及其病理原因所作的判断。作出这种判断一般需要的的资料有:医生等专业人员根据症状、病史(包括家庭病史)、病历及医疗检查结果等。其概
- 产气荚膜梭菌产气荚膜杆菌(学名:Clostridium perfringens)是革兰氏阳性杆状厌氧菌,因能分解肌肉和结缔组织中的糖类而产出大量气体以及可以在体内能形成荚膜而得名。发现于人类和其他脊椎动
- 威廉·霍华德·塔夫脱威廉·霍华德·塔夫脱(William Howard Taft ,1857年9月15日-1930年3月8日)是第27任美国总统。他当过律师、美国首席大法官和战争部长。塔夫脱是美国历史上最胖的总统。塔夫脱出
- GFR气冷快中子反应堆(英语:Gas-cooled fast reactor),是一种研究中的快中子反应堆,属于第四代反应堆。这种反应堆使用增殖性材料,并以氦气或二氧化碳等气体做为冷却用。这种反应堆用