我的目标就是确保自己不落伍,而且我相信面对现实是十分重要的。 我在某个地方读到过,我们在美国历史上比上一代退步的一代。这使我很担心,因此我的目标就是确保自己不落伍。这听起来可能有点悲观,但我是一个现实主义者,而且我相信面对现实是十分重要的。这样的回答只能凸显你是个随大流的人,没有自己的个性,特点。
#成都锦城学院# 图书馆典藏云集,走近书架,斑斓的封面是知识殿堂的大门;走近图书,阵阵的墨香是知识殿堂的华灯;走进文字,华美的文采是知识殿堂的钥匙。
锦城学子们,读万卷书,行万里路,让我们在图书馆里阅读,享受这种静谧的下午吧!
(小编:李友璐 图源:锦大青年微信公众号) https://t.cn/A6Vs0RJd
锦城学子们,读万卷书,行万里路,让我们在图书馆里阅读,享受这种静谧的下午吧!
(小编:李友璐 图源:锦大青年微信公众号) https://t.cn/A6Vs0RJd
ROC曲线如何看(2)
ROC曲线其实就是以FPR为横坐标,TPR为纵坐标绘制出来的曲线。
ROC曲线图是反映敏感性与特异性之间关系的曲线。横坐标X轴为 1 – 特异性,也称为假阳性率(误报率),X轴越接近零准确率越高;纵坐标Y轴称为敏感度,也称为真阳性率(敏感度),Y轴越大代表准确率越好。
根据曲线位置,把整个图划分成了两部分,曲线下方部分的面积被称为AUC(Area Under Curve),用来表示预测准确性,AUC值越高,也就是曲线下方面积越大,说明预测准确率越高。曲线越接近左上角(X越小,Y越大),预测准确率越高。
了解了这些概念,下面这幅图(图1)大家可以很好理解了吧!
最理想的ROC曲线为假阳性率为0%,真阳性率为100%
斜对角线为无效ROC曲线,AUC值小于0.5即无意义,毕竟随便猜一个人有没有病的概率还有50%
圆点处为约登指数最大值处,即最佳临界值
所以,根据ROC曲线的定义我们可以知道,其主要有两个用途:
1.评价某个或多个指标对两类测试者(如患者和正常人)分类及诊断的效果。通过绘制某个指标或多个指标的ROC曲线并计算各自的AUC(areaunder ROC,ROC曲线下的面积),就可以知道哪个指标的分类/诊断效果更好。
2.寻找最佳的指标阈值使得分类效果最佳。约登指数最大值处即为最佳的指标阈值。
这两个用途也就是我们读图时要抓住的点,以下图(图2)为例:这是两种新型的血糖检测方法,要判断哪种检测方法对糖尿病的诊断更准确。TEST1是蓝色的线条,TEST2是红色的线条,即使不看AUC值我们也很快可以知道TEST2比TEST1诊断效果要好。
此外,根据作者提供的数据表,我们可以计算出各自的约登指数,也就是他们的cutoff值。(图3)#生信分析##生物信息学##roc曲线##医学生Medic[超话]#
ROC曲线其实就是以FPR为横坐标,TPR为纵坐标绘制出来的曲线。
ROC曲线图是反映敏感性与特异性之间关系的曲线。横坐标X轴为 1 – 特异性,也称为假阳性率(误报率),X轴越接近零准确率越高;纵坐标Y轴称为敏感度,也称为真阳性率(敏感度),Y轴越大代表准确率越好。
根据曲线位置,把整个图划分成了两部分,曲线下方部分的面积被称为AUC(Area Under Curve),用来表示预测准确性,AUC值越高,也就是曲线下方面积越大,说明预测准确率越高。曲线越接近左上角(X越小,Y越大),预测准确率越高。
了解了这些概念,下面这幅图(图1)大家可以很好理解了吧!
最理想的ROC曲线为假阳性率为0%,真阳性率为100%
斜对角线为无效ROC曲线,AUC值小于0.5即无意义,毕竟随便猜一个人有没有病的概率还有50%
圆点处为约登指数最大值处,即最佳临界值
所以,根据ROC曲线的定义我们可以知道,其主要有两个用途:
1.评价某个或多个指标对两类测试者(如患者和正常人)分类及诊断的效果。通过绘制某个指标或多个指标的ROC曲线并计算各自的AUC(areaunder ROC,ROC曲线下的面积),就可以知道哪个指标的分类/诊断效果更好。
2.寻找最佳的指标阈值使得分类效果最佳。约登指数最大值处即为最佳的指标阈值。
这两个用途也就是我们读图时要抓住的点,以下图(图2)为例:这是两种新型的血糖检测方法,要判断哪种检测方法对糖尿病的诊断更准确。TEST1是蓝色的线条,TEST2是红色的线条,即使不看AUC值我们也很快可以知道TEST2比TEST1诊断效果要好。
此外,根据作者提供的数据表,我们可以计算出各自的约登指数,也就是他们的cutoff值。(图3)#生信分析##生物信息学##roc曲线##医学生Medic[超话]#
✋热门推荐