ROC曲线

如何生成ROC曲线-Weka详细指南

如何生成ROC曲线的样本测试概率阈值 >= ROC曲线：测试样本属于正类的概率TPR FPR

数据挖掘 0 2024-09-21

web数据挖掘实验中的ROC曲线展示

ROC曲线（接收器操作特征曲线）是一种图形化方法，用于平衡分类模型的真正率和假正率。随着技术进步，ROC曲线在web数据挖掘实验中显示其重要性。

数据挖掘 0 2024-08-08

WEKA：通过可视化阈值曲线进行ROC分析

在WEKA中，可视化阈值曲线提供了一种基于类的ROC分析方法。曲线上的每个点代表一个特定的阈值，该阈值决定了将实例归类为当前类的最小概率。通过调整阈值，我们可以观察到假正率和真正率的变化，从而评估分类器的性能。曲线上的点使用颜色进行区分，以便于观察不同阈值下的分类效果。 如何解读可视化阈值曲线： X轴： 假正率 (FPR)，表示被错误分类为正例的负例比例。 Y轴： 真正率 (TPR)，表示被正确分类为正例的正例比例。 颜色： 表示不同的阈值。 通过观察曲线走向以及不同阈值下的 TPR 和 FPR，我们可以选择最佳的阈值以达到 desired 的分类效果。

Hadoop 5 2024-05-12

净重分类优化将NRI引入替代ROC曲线下面积的方法

当前，尽管已经提出多种方法来解决诊断测试中的歧视性问题，但接收者操作特性曲线（ROC）下面积（AUC）仍是主流的评估标准。研究人员通常评估新生物标志物对AUC的影响。然而，对于已经包含标准风险因素并具有良好区分度模型，要获得更大AUC的有意义增加，新标志需要显著且独立地与结果相关。彭西纳等人提出了“净重分类改进”（NRI）的新评估方法，侧重于重新分类表的构建及正确移动的量化。考虑到两个共享所有风险因素的模型对感兴趣事件的预测概率，NRI可用于评估新标志的增值。

Matlab 2 2024-07-16

MATLAB脚本示例比较不同分类算法的ROC曲线及AUC计算

这是一个MATLAB脚本示例，用于加载数据、绘制ROC曲线，并计算逻辑回归、支持向量机、朴素贝叶斯和分类树四种不同分类算法的AUC。详细用法请参考MathWorks文档：https://uk.mathworks.com/help/stats/perfcurve.html。

Matlab 0 2024-09-28

(AU)ROC(CH)具有凸包的接收器操作特性曲线及其在MATLAB开发中的应用

ROC曲线描述了二元分类问题的性能，基于不同阈值处理一组分数进行分类。宽松的阈值提供高灵敏度但低特异性，严格的阈值提供高特异性但低灵敏度；ROC曲线展示了在一系列阈值上的这种权衡。此代码提供了灵活选择敏感度与特异性的选项。ROC曲线的凸包位置可以理论上用于操作，因此也展示了该图。ROC曲线下面积（AUC）是评估分类器总体准确度的度量，而ROCCH下的面积则是一种上限，通过加权不同分类器阈值结果的组合实现。

Matlab 0 2024-08-29

保禄曲线MATLAB曲线颜色代码

PAUL框架用于曲线特征的实现，在低信噪比图像中进行子像素曲线特征的预先提供的无监督学习。

Matlab 3 2024-05-27

VB绘制曲线

在 PictureBox 中绘制曲线，使用 Line 等函数生成曲线。

Access 7 2024-05-13

ＲＯＣ曲线正确用法

理解ＲＯＣ的正确用法，深入了解概念。

算法与数据结构 9 2024-05-01

动态曲线绘制 (MFC)

动态曲线绘制 (MFC) 基于数据库数据，利用 MFC 框架实时生成动态曲线图。

Access 3 2024-05-23