???????科研绘图:如何用GraphPadPrism绘制ROC曲线 |
您所在的位置:网站首页 › roc曲线的作用有哪些 › ???????科研绘图:如何用GraphPadPrism绘制ROC曲线 |
科研绘图:如何用 GraphPadPrism 绘制 ROC 曲线
1 什么是 ROC 曲线
①基本概念
受试者工作特征曲线
( receiver operating characteristic curve , 简称 ROC 曲线),又称为感受性曲线( sensitivity curve )。 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,后面广泛应用 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。 ROC 曲线是根据一系列不同的二分类方式(分界值或决定 阈),以真阳性率(灵敏度)为纵坐标,假阳性率( 1- 特异度)为横 坐标绘制的曲线,反映了敏感性与特异性之间关系。
②理解 ROC 曲线
针对一个二分类问题,我们将实例分成正类 / 阳性( positive )和 负类 / 阴性( negative )两种。在实际分类中,会出现四种情况。如果 一个实例是阳性并且也被预测为阳性,即为真阳性( true positive , TP ),如果实例为阴性被预测为阳性,称之为假阴性( false negative , FN );相应的,如果实例是阴性被预测为阴性,称之为真阴性( true negative , TN ),如果实例为阴性被预测为阳性,称之为假阳性 ( false positive , FP )。
ROC 曲线以假阳性率( False positive rate , FPR )即
“1 - 特异 度( 1-Specificity )” 为横坐标,真阳性率( True positive rate , TPR )即 “灵敏度( Sensitivity )” 为纵坐标,其中:
在 ROC 曲线中, FPR 越大,预测阳性中实际阴性越多, TPR 越大, 预测阳性类别中实际阳性越多。理想状态下, TPR 应该接近 1 , FPR 应 该接近 0 ,因此 ROC 曲线越靠拢( 0 , 1 )点,越偏离 45 度对角线越 好,特异度、灵敏度越大效果越好。
③ROC 曲线的主要作用
在实际应用中, ROC 曲线主要有以下三种作用:
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |