ROC曲线

✍ dations ◷ 2025-04-04 04:47:08 #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

  • 毒物毒物是对生物造成不适反应的物质的总称。毒物对生物体造成的影响因种类不同各异,不适反应的类型以及程度也各不相同。另外对于有的生物来说具有毒性而对于别的生物来说无毒的
  • 蓝舌病正铁血红蛋白血症(methemoglobinemia),或高铁血红蛋白症、变性血色蛋白血症、变性血红素血症、变性红血球血症、急性变性血红素症,是指因血液中异常的出现过多不能带氧的正铁血
  • 急性间质性肾炎间质性肾炎(Interstitial nephritis)、或肾小管-间质性肾炎(tubulo-interstitial nephritis)是一种影响肾脏肾小管周围间质的肾炎病症。这种病可以是急性的、这意味着它会突然发
  • 筋膜炎筋膜炎(英语:Fasciitis)是筋膜的炎症。筋膜是包围肌肉、血管、神经的结缔组织。特别常见的有:
  • 理想气体状态方程在热力学里,描述理想气体宏观物理行为的状态方程称为理想气体状态方程(ideal gas equation of state)。理想气体定律表明,理想气体状态方程为(pp509-512)其中,
  • 异型增生发育不良(英语:Dysplasia)也称为发育异常,是病理学的词语,是指生物组织发育时的异常,或是上皮部位在分化及发育的问题(上皮发育不良(英语:epithelial dysplasia))。像髋关节发育不全症(
  • 费雯·丽奥利维尔爵士夫人费雯·丽(英语:Vivien Leigh, Lady Olivier,1913年11月5日-1967年7月8日),英国国宝级电影演员,两届奥斯卡影后。费雯·丽不但是一位出色的电影演员,也是一名优秀的
  • 科尔萨科夫氏症候群科尔萨科夫氏症候群(Korsakoff's syndrome),又称健忘综合征,为一种大脑缺乏硫胺(维生素B1)而引起的精神障碍。其疾病由俄国神经学家谢尔盖·科尔萨科夫最先发现而命名。科尔萨科夫
  • 体脂肪率体脂肪率,又称体脂百分比、体脂率,是将脂肪含量用其占总体重的百分比的形式表示,一般用于动物,但近年开始有在人体的应用。对于动物来说,体脂百分比的计算法是把动物体重中的脂肪
  • 雨水数据来源:喷气推进实验室线上历书系统雨水,是二十四节气中第二个节气,指太阳到达黄经330°时,在公历每年2月18日-20日之间,表示雨水的增多。惊蛰曾在汉景帝时由于避讳而改名,并且