精华内容
下载资源
问答
  • 金诚信-603979-投资价值分析报告:从服务到资源,两条曲线点亮成长之路
  • ROC曲线分析

    2018-06-19 16:22:46
    1.接收者操作特征曲线(receiver operating characteristic curve,或者叫ROC曲线)是一种座标图式的分析工具,用于选择最佳的信号侦测模型、舍弃次佳的模型,以及在同一模型中设定最佳阈值。ROC曲线是根据一系列...

    1.接收者操作特征曲线(receiver operating characteristic curve,或者叫ROC曲线)是一种座标图式的分析工具,用于选择最佳的信号侦测模型、舍弃次佳的模型,以及在同一模型中设定最佳阈值。

    ROC曲线是根据一系列不同的二分类方式(分界值或决定阈),真阳性率(灵敏度)纵坐标假阳性率(1-特异度)为横坐标绘制的曲线。

    2.ROC曲线的意义:

    ROC曲线指受试者工作特征曲线(receiveroperatingcharacteristiccurve),是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系,它通过将连续变量设定出多个不同的临界值,从而计算出一系列敏感性和特异性,再以敏感性为纵坐标、(1-特异性)为横坐标绘制成曲线,曲线下面积越大,诊断准确性越高。在ROC曲线上,最靠近坐标图左上方的点为敏感性和特异性均较高的临界值。

    3.ROC曲线的作用

    (1)ROC曲线能很容易地查出任意界限值时的对疾病的识别能力。

    (2)选择最佳的诊断界限值。ROC曲线越靠近左上角,试验的准确性就越高。最靠近左上角的ROC曲线的点是错误最少的最好阈值,其假阳性和假阴性的总数最少。

    (3)两种或两种以上不同诊断试验对疾病识别能力的比较。在对同一种疾病的两种或两种以上诊断方法进行比较时,可将各试验的ROC曲线绘制到同一坐标中,以直观地鉴别优劣,靠近左上角的ROC曲线所代表的受试者工作最准确。亦可通过分别计算各个试验的ROC曲线下的面积(AUC)进行比较,哪一种试验的AUC最大,则哪一种试验的诊断价值最佳。

    例子举例步骤见百度百科:https://baike.sogou.com/v472808.htm?fromTitle=ROC%E6%9B%B2%E7%BA%BF

    ROC(Receiver Operating Characteristic)曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣

    ROC和AUC介绍以及如何计算AUC   http://alexkong.net/2013/06/introduction-to-auc-and-roc/


    展开全文
  • 主要介绍了Python matplotlib画曲线例题解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
  • 20210329-中信证券-金诚信-603979-投资价值分析报告:从服务到资源,两条曲线点亮成长之路.pdf
  • excel赢得值曲线图Today we’re announcing an exclusive SitePoint competition to whet your appetite as we approach Christmas! Our friends at Tweaky.com are giving away $500 worth of tweaks for one lucky...

    excel赢得值曲线图

    alt

    Today we’re announcing an exclusive SitePoint competition to whet your appetite as we approach Christmas! Our friends at Tweaky.com are giving away $500 worth of tweaks for one lucky SitePoint user to revamp their site.

    今天,我们宣布举行独家SitePoint竞赛,以在圣诞节临近时激发您的胃口! 我们在Tweaky.com的朋友正在为一位幸运的SitePoint用户提供价值500美元的调整,以改善其网站。

    If you haven’t heard of Tweaky it’s about time you did. They are the world’s #1 marketplace for website customization. Tweaky allows any website owner to customize their site from just $39. They tweak everything from simple CSS changes through to complex tasks like server migration and browser caching.

    如果您还没有听说过Tweaky,那么您该知道了。 它们是网站定制的全球第一大市场。 Tweaky允许任何网站所有者以39美元的价格自定义其网站。 他们调整了所有内容,从简单CSS更改到复杂的任务,例如服务器迁移和浏览器缓存。

    To enter the competition, simply enter your email and website into Tweaky’s website checker tool and tell us in 25 words or less what you hate about your website. Do that and you’re in the running to win $500 worth of tweaks.

    要参加比赛,只需在Tweaky的网站检查器工具中输入您的电子邮件和网站,然后用25个字以内的文字告诉我们您对网站的讨厌之处。 这样做,您就可以赢得价值500美元的调整。

    Tweaky’s tool will also generate a detailed report highlighting issues that are slowing down your site, along with recommendations on how you can fix them. Pretty nice and definitely useful for any website owner.

    Tweaky的工具还将生成一份详细的报告,突出显示使您的网站变慢的问题,以及有关如何解决这些问题的建议。 很好,对任何网站所有者绝对有用。

    The competition closes midnight 17th December, so what are you waiting for? Get in the running to win $500 worth of free tweaks for your site today.

    比赛于12月17日午夜结束,所以您还等什么? 立即开始为您的网站赢得价值500美元的免费调整。

    Unfortunately, this competition has now closed. Still worried about your site’s performance? Tweaky is here to help with any of your WordPress Customization.

    不幸的是,这场比赛现已结束。 仍然担心您网站的性能? Tweaky在这里可以帮助您进行任何WordPress自定义

    翻译自: https://www.sitepoint.com/win-500-worth-of-tweaks-for-your-website/

    excel赢得值曲线图

    展开全文
  • 主要介绍了基于python实现ROC曲线绘制广场解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
  • 生物统计分析之ROC曲线分析

    千次阅读 2021-05-10 10:26:26
    受试者工作特征曲线( receiver operating characteristic curve , ROC 曲线),又称为感受性曲线( sensitivity curve ),是比较诊断测试的一种方法。随着接受者灵敏度的提高,假阳性的数量会随之增加。 因此, ROC ...

    简介

    受试者工作特征曲线( receiver operating characteristic curve , ROC 曲线),又称为感受性曲线( sensitivity curve ),是比较诊断测试的一种方法。随着接受者灵敏度的提高,假阳性的数量会随之增加。 因此, ROC 曲线实际上反映了特异性与灵敏度的关系,它是真阳性率与假阳性率的关系图。其背后的逻辑是,如果一项测试没有诊断能力,那么它产生真阳性或假阳性的可能性是相同的。随着诊断能力的增加,即特异性的提升,真阳性率上升,假阳性下降。 在临床诊断中ROC一般用于评价检验项目的临床准确性,如评价多指标联检的准确性,未知单指标的检测cut-off值等。此外,在生物标志物研究中,ROC是评估一个生物标志物的预测性能的有用的图形工具,指示一个生物标志物组区分两个群组(如实验组和对照组,疾病和健康)的能力。

    ROC曲线图解

    ROC曲线是以真阳性率(灵敏度)为纵坐标,假阳性率(1-特异度)为横坐标绘制的曲线。其自变量(检验项目)一般为连续性变量,因变量(金标准)一般为二分类变量。
    Fig 1. Receiver operator characteristic curves of the predicted risk of HPAI H5N1 presence/absence.在这里插入图片描述
    Fig 1. Receiver operator characteristic curves of the predicted risk of HPAI H5N1 presence/absence. (Martin V, et al. 2011)

    1. Left and right plots are the ROC curves of the bootstrapped logistic regression models and BRT models, respectively.
    2. Top and bottom plots are the ROC curves of the models based on HPAI H5N1 clinical disease outbreak data, and HPAIV H5N1 risk-based surveillance data, respectively.

    ROC曲线分析流程及分析目的:

    ROC曲线分析流程

    (1)敏感性和特异性之间的关系,例如敏感性降低时,特异性的增加。
    (2)测试精度,曲线越靠近顶部和左侧边界,代表测试越准确;曲线越靠近对角线,测试的准确性就越低。
    (3)似然比,由任意特定切点处的导数给出。

    ROC曲线应用领域

    1、ROC曲线能很容易地查出任意界限值时的对疾病的识别能力。
    2、选择最佳的诊断界限值。
    3、两种或两种以上不同诊断试验对疾病识别能力的比较。在对同一种疾病的两种或两种以上诊断方法进行比较时,可将各试验的ROC曲线绘制到同一坐标中,可以直观地鉴别优劣,靠近左上角的ROC曲线代表测试越准确。也可以通过分别计算各个试验的ROC曲线下的面积(AUC)进行比较,哪一种试验的AUC最大,则哪一种试验的诊断价值最佳。

    参考文献

    1. Martin V, et al. Spatial Distribution and Risk Factors of Highly Pathogenic Avian Influenza (HPAI) H5N1 in China[J]. PLoS Pathogens, 2011, 7(3): e1001308.
    展开全文
  • 用ROC曲线解析预测模型

    千次阅读 2019-09-26 19:10:55
    出品 | CDA数据分析研究院 数据科学是一个在过去几年里真正成长的术语,似乎每个人都想加入。最具吸引力的目标之一是利用数据资产的力量来创建能够预测各种结果的机器学习模型。通过定义明确的模型,可以确定能够...
    13825820-31e0c1d2df27c5f3.jpg

    出品 | CDA数据分析研究院

    数据科学是一个在过去几年里真正成长的术语,似乎每个人都想加入。最具吸引力的目标之一是利用数据资产的力量来创建能够预测各种结果的机器学习模型。通过定义明确的模型,可以确定能够预测结果的最重要影响因素,为战略假设开发有价值的洞察力,甚至可以通过友好的用户界面将模型的逻辑实现到软件应用程序中。

    然而,在任何这种魔法发生之前,我们需要知道模型创建的预测是否有益!例如,如果我们的电子邮件程序的垃圾邮件分类器只能检测到50%的不需要的电子邮件或请求,我们都会非常愤怒。在这篇文章中,我将讨论如何使用每个数据科学家应该熟悉的经典工具来评估预测模型:接收器操作特性(ROC)曲线

    说明性实例:预测冠状动脉疾病

    我在这篇文章中使用的数据集来自Bom等人对“疑似冠状动脉疾病患者冠状动脉斑块形态的靶向蛋白质组学的预测价值”。

    这项研究检查了两种不同的结果,我将重点关注这篇文章的是没有冠状动脉疾病(CAD)。作者评估了蛋白质组学生物标志物在有症状患者中检测CAD缺失的预测能力。确定一组可以区分无CAD患者和需要立即干预的蛋白质的蛋白质组将提供更准确和成本有效的非侵入性诊断测试。

    该数据集是测试多个数据科学主题的绝佳来源。通过少量观察,它很容易使用,但它还包含大量变量以增加复杂性。结果(使用冠状动脉计算机断层扫描血管造影术,或CCTA)的可行“黄金标准”被提供来测试预测。对于这篇文章,我将主要关注从单一模型构建ROC曲线,但可以在后面的帖子中使用此数据集深入研究更高级的主题。

    预测精度测量概述

    在开始创建曲线之前,了解一些评估预测准确性的常用指标非常重要。

    积极类:我将正类定义为我试图检测的结果类。在这种情况下,缺少 CAD。虽然我意识到这可能会导致诊断测试领域中的“积极”和“消极”这两个术语混淆,但这种方式定义积极类更能推广到其他情况。

    在这种情况下处理有症状患者的默认方法是让他们接受进一步的测试和程序。通过充分检测没有CAD的患者,我们将不再需要不必要的,更具侵入性的手术。

    一般准确性:简单地说,有多少科目正确分类?

    敏感性:正确识别真阳性的比例。在这种情况下,健康患者的比例由诊断工具正确识别。这有时被称为“召回”。

    • SN =真阳性/(真阳性+假阴性)
    • 逆(1灵敏度)= 假负率。未被该工具检测到的健康患者被错误地识别为患有CAD。假阴性也称为II型错误。

    特异性:正确识别真阴性的比例。在这种情况下,通过诊断工具正确识别CAD患者的比例。

    • SP =真阴性/(真阴性+误报)
    • 逆(1-特异性)= 假阳性率。CAD患者被错误地识别为无CAD。误报也称为I型错误。

    积极预测价值:该工具报告的阳性比例,实际上是积极的。对于诊断工具报告缺乏CAD的患者组,PPV是实际上没有患病的患者的比例。这有时被称为“精确度”。

    • PPV =真阳性/(真阳性+误报)

    负面预测值:该工具报告的负面影响的比例,实际上是负面的。对于诊断工具报告存在CAD的患者组,NPV是实际上没有CAD的患者的比例。

    • NPV =真阴性/(真阴性+假阴性)

    不要担心,如果你的大脑试图理清所有这些指标。这些术语很容易混淆,特别是在第一次学习它们时。我发现在2x2表中可视化内容最容易。

    13825820-a8ed22e64f54866e.jpg

    二进制类的混淆矩阵(正=没有CAD,负= CAD)

    曲线的解剖

    ROC曲线的优点在于它是一种易于理解的图形工具,可应用于您创建的任何预测模型。以下是曲线的基础知识:

    轴:灵敏度和误报率

    首先,我们需要为情节创造空间。通过将灵敏度与1-特异性(或假阳性率)作图来建立ROC曲线。

    13825820-19a7dca118a9c549.jpg

    预测概率

    现在我们需要绘制一些东西。回想一下,预测模型会将每个观察分配给最可能的类(在这种情况下,没有CAD与CAD的存在)。模型实际上在做的是计算属于特定类的概率。在0和1之间选择截止值,并且如果计算的概率超过该阈值,则将观察值分配给该类。

    13825820-0585e30d9660e731.jpg

    您可能会发现在大多数软件包中,默认截止值设置为0.5,逻辑是,在二进制类中,可以将观察值分配给最可能的类。但是,正如我们所看到的,最好在考虑灵敏度和特异性之间的权衡之后选择截止值。

    通过绘制所有可能的截止值来生成ROC曲线,所述截止值是分配给每个观察的概率。选择不同的截止值将改变预测工具的灵敏度和特异性,因此,可以使用相关的灵敏度和1-特异性作为坐标在图的空间中绘制每个截止概率。最靠近左上角的点(SN = 1,FPR = 0)提供精度度量之间的最大平衡。

    曲线下面积(AUC)

    AUC是一个类似于二元模型的一致性或c统计量的度量。这是具有正类的观察将具有比在负类中的观察更大的预测概率的概率。

    13825820-a51563eff95eb754.jpg

    如果AUC = 1,则表示模型有完美的预测。如果AUC = 0.5,则意味着模型无法区分类。它在逻辑回归中的行为与r平方相似,因为添加更多预测因子会增加AUC。因此,在分析中包括对外部数据的交叉验证或验证非常重要。

    AUC可用于评估不同的预测模型。

    参考线

    绘制参考线通常是个好主意,其中AOC = 0.5在ROC图上。这提供了比较曲线的基线视觉效果。

    13825820-6fe065414c1f8b01.jpg

    生成ROC曲线

    虽然可以使用几个不同的程序来开发预测模型和ROC曲线,但我已经在R中实现了分析。

    为了预测结果,我使用xgboost创建了一个分类模型,其中蛋白质生物标记物作为预测因子,并使用重新取代方法来预测数据集中的结果。使用预测的概率,我可以形成上面显示的ROC曲线。

    注意:该程序也设置为使用k-fold交叉验证,或者可以更新以利用外部验证,例如列车和测试集的70/30分割(尽管我想要更多数据)。

    13825820-1a279cb980c14244.jpg

    解释曲线

    AUC为0.738,实际上低于作者用他们的机器学习方法所发现的(堆叠可能提高了分类器的准确性)。但是,我更关心的是选择合适的截止值并权衡工具的成本和收益。

    模型的总体准确性是不错的,但是当发生假阳性结果时,会发生CAD患者而不是通过必要的程序?让我们同意这不会是一件好事。

    为了安全起见,尽可能减少诊断工具的误报率可能是个好主意。在生成混淆矩阵时,很容易选择保持低误报率的概率截止值。这将作为谁被标记为无CAD的决定标准。

    通过选择保持90%特异性(10%假阳性率)的概率截止值,分类工具能够检测到42%没有CAD的患者(敏感性= 0.42)。在这种情况下,这实际上是一个非常好的结果,因为现状是让所有有症状的患者接受更具侵入性的诊断程序。尽管42%的灵敏度可能听起来很低,但在这种特定情况下,这是一个很有希望的结果。

    在开发用于预测有症状患者的CAD状态的分类器时,最重要的是在保持低误报率的同时实现尽可能高的灵敏度。

    ROC曲线的优点在于您可以从单个图像中可视化所有这些性能指标。将曲线与竞争模型进行比较是一种快速简便的方法,可以选择合适的分类或诊断工具。

    我只研究了使用ROC曲线和二进制分类工具,但它可以很容易地扩展到多类方案。在同一图形上,可以绘制与每个特定类别中的概率相对应的多条曲线。

    在撰写本文时,我详细介绍了如何构建ROC曲线,目的是增加对预测精度度量的理解,以及如何评估您可能正在构建的这些数据科学分类工具。

    展开全文
  • 应用ROC曲线评价血清生物标志物E-cad诊断乳腺癌的临床价值.pdf
  • 贝赛尔曲线及其应用全面解析

    千次阅读 2017-03-23 11:44:49
    贝赛尔曲线及其应用全面解析1.概念贝塞尔曲线(Bezier curve),又称贝兹曲线或贝济埃曲线,是应用于二维图形应用程序的数学曲线。一般的矢量图形软件通过它来精确画出曲线,一条贝塞尔曲线由路径点和控制点确定,控制...
  • 此程序使用纯手工的GDI+方法实现多曲线的数据分析,具有很好的学习价值
  • 这是整理发布的一款海尔变形记:漫长曲线MBO全解析,海尔变形记:漫长曲线MBO全解析能给你需要...该文档为海尔变形记:漫长曲线MBO全解析,是一份很不错的参考资料,具有较高参考价值,感兴趣的可以下载看看
  • 在进行某诊断方法的评估是,我们常常要用到ROC曲线。这篇博文将简要介绍ROC曲线以及用SPSS及medcal绘制ROC曲线的方法。 定义  ROC受试者工作特征曲线 (receiver operating characteristic curve,简称ROC曲线)...
  • 提供一篇个人月销售额比较分析曲线,工作生活中我们都会需要各种样式的表格,这篇个人月销售额...该文档为个人月销售额比较分析曲线,是一份很不错的参考资料,具有较高参考价值,感兴趣的可以下载看看
  • 提到云计算就必然涉及到很多东西,为了不至于聊得太散,我们使用一个大一点的概念去聊——微笑曲线...在曲线上,中间的制造附加值低,两端的研发与营销的附加价值高,因此产业未来应朝微笑曲线的两端发展,也就是在...
  • ROC曲线学习总结

    万次阅读 多人点赞 2019-08-19 15:22:38
    文章目录ROC曲线学习总结1. ROC曲线(Receiver Operating Characteristic)的概念和绘制2. 利用ROC曲线评价模型性能——AUC(Area Under Curve)3. 利用ROC曲线选择最佳模型3.1 不同模型之间选择最优模型3.2 同一模型中...
  • ROC曲线

    千次阅读 2014-03-11 17:14:58
    转载:百度百科 ...在做算法性能分析中,通常会与其它方法进行对比,而目前常用的曲线方法是ROC曲线,它能直观的显示出算法性能的优劣。 受试者工作特征曲线 (receiver operating chara
  • 该文章为转载文章,原文链接为... 1. ROC曲线 ROC(Receiver Operating Characteristic Curves)曲线是显示Classification模型真正率和假正率之间折中的一种图形化方法。 解读ROC图的一些概念定义::...
  • 客户购买软件的心理曲线分析

    千次阅读 2011-09-13 12:42:44
    客户购买软件的心理曲线分析    博文导言:有近三个月没有更新博客了,不好意思,也许是工作忙,也许是不经意的淡忘,在这里对于关心我、爱护我的同事真诚的道歉,不能因为自已的懒惰,就忽略了与大家的知识...
  • 分类模型评估之ROC-AUC曲线和PRC曲线

    万次阅读 多人点赞 2016-06-30 11:27:09
    ROC(Receiver Operating Characteristic,接受者工作特征曲线曲线和AUC常被用来评价一个二值分类器(binary classifier)的优劣。博文介绍ROC和AUC的特点,讨论如何作出ROC曲线图以及计算AUC。 AUC是现...
  • 数据分析学习之roc曲线

    千次阅读 2017-09-25 16:51:36
     ROC 曲线指受试者工作特征曲线 (receiver operating characteristic curve), 是反映敏感性(正确判断病人概率)和特异性(正确判断非病人概率)连续变量的综合指标, 是用构图法揭示敏感性和特异性的相互关系,它...
  • PR曲线与ROC曲线

    2021-03-18 20:07:49
    PR曲线概念 PR曲线中的P代表的是precision(精准率),R代表的是recall(召回率),其代表的是精准率与召回率的关系,一般情况下,将recall设置为横坐标,precision设置为纵坐标。 PR曲线功能说明 一条PR曲线要对应...
  • 食品对于人类而言拥有着获取营养和品味美食两个功能,而检出限、测定限、最佳测定范围...该文档为检出限、测定限、最佳测定范围、校准曲线分析空白,是一份很不错的参考资料,具有较高参考价值,感兴趣的可以下载看看
  • C#绘制曲线图的方法

    2020-09-03 07:16:25
    主要介绍了C#绘制曲线图的方法,以完整实例形式较为详细的分析了C#进行曲线绘制的具体步骤与相关技巧,具有一定参考借鉴价值,需要的朋友可以参考下

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 32,451
精华内容 12,980
关键字:

价值曲线分析