推 Atsy:我好像在看數字搜查線的感覺........囧興...... 07/02 23:00
推 xavier0613:推這篇 講的比較清楚!!! 07/04 22:05
推 catss:又一位大師~謝謝你~原來我們這這麼多生統博班的呀~cool~ 07/06 17:18
ROC curve 主要就是一種以圖形表現為主的分析方法
透過圖形表現的方式 來評估預測模式的配適程度
如此一來 就可以在不同預測模式中 去比較哪個比較好及選擇cutpoint
這種方法 在醫學臨床研究中 用在診斷之後 來決定一個指標 判定是否罹病的分析方法
: : 1.就是那來決定cut-off值
: : 2.比較曲線下的面積看誰大 愈大愈屌
: 我想米老鼠小姐大概不知到屌在哪裡... XDDDDDDD
: 定遠大神在這邊 "屌" 意思應該是說：
: 在各個不同的實驗條件下，所畫出來的ROC curve
: 當曲度越高，與X軸圍出的面積就會越大
: 表示這個實驗條件在FPR很低的情況下，即可達到很高的TPR
: 有點酵素動力學的感覺吼...(超低反應濃度，超高反應速率)
: 只不過ROC畫出來不是sigmoid的曲線
: 給個範例圖參考 http://upload.wikimedia.org/wikipedia/en/0/00/Roc.png
: (用IE開吧～)
講的簡單一點 面積大 模型的配適程度越高
不過我覺得還是不能夠完全反應模型的優劣
: : 那要怎麼選哪個點最好呢
: : 最靠近左上角的那個點就是最好的點了
: : 所以一般人就會選那個點所用的參數的值來當作該參數的cut-off
: 解釋一下，會選左上角是因為通常這個點都是在 TP & RP 之間取的一個最佳平衡點
其實選擇哪個點作為cutpoint 還是得依照實際情況去決定
舉個在植物病理上面的例子來說 今天若有個模式 是在預測蘋果罹病與否
如果重視sensitivity的值要高 表示認為犯FP的代價比犯FN的代價要小
也就是說 寧可多浪費成本噴施予藥物處理 也不願造成病害擴散
(犯FP的代價) (犯FN的代價)
此時判定的是否會罹病的標準會較寬鬆 cutpoint值偏低
反之 如果藥劑較為昂貴 或是病害不容易影響品質或產量的時候
我們就會比較希望能夠準確的預測是否罹病 (specificity越高越好)
此時判定罹病的標準就會變得比較嚴謹 cutpoint值偏高
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 218.175.67.171