roc

1熱度

1回答

我正在使用AUC package在R中構建ROC圖。這些是300點數據集的前5個點，比較生存率和觀察到的生存率。 predict1 <- c(0.755, 0.755, 0.937, 0.978, 0.755) y <- c(1,1,1,0,1) ROC_null_a <- auc(roc(predict1, as.factor(y))) plot(roc(predict1, as.fa

0熱度

1回答

使用Matlab建立ROC曲線

我正在嘗試使用Matlab從頭開始構建ROC曲線。當我運行該文件 AUC是 auc_area = -2.8129e-006 我認爲米塞斯切斷一步，但我無法理解這一點。有什麼功能可以執行它嗎？這是我的代碼： num_pos = sum(all_labels); tp = cumsum(l==1,1); fp = repmat((1:n)',[1 m])-tp; num_neg =

4熱度

1回答

如何解釋幾乎完美的準確性和AUC-ROC，但零f1分數，精度和召回

我正在訓練ML邏輯分類器以使用python scikit-learn對兩個類進行分類。他們處於非常不平衡的數據（約14300：1）。我的準確性和ROC-AUC幾乎達到100％，但精確度，召回率和f1得分分別爲0％。我知道準確度通常對非常不平衡的數據沒有用，但爲什麼ROC-AUC指標也接近完美呢？ from sklearn.metrics import roc_curve, auc # Get

0熱度

1回答

如何繪製一個coxmodel（存活出現分析）ROC曲線

我要繪製ROC曲線以下Cox比例風險模型。 Cox比例風險模型 - 使用時變協變量 coxph_tvc <- coxph(Surv(time0, time1, event_tvc) ~ channelname) 我試過survivalROC包。 library(survivalROC) predsurv<- predict(coxph_tvc, type = "lp")

1熱度

1回答

差異ROC-AUC分數sklearn RandomForestClassifier與

我從sklearn的RandomForestClassifier和roc_curve，AUC方法分別接收不同的ROC-AUC得分，AUC方法。下面的代碼讓我的0.878的ROC-AUC（即gs.best_score_）： def train_model(mod = None, params = None, features = None, outcome = ...outcomes

1熱度

2回答

奇怪的ROC曲線預測

我有一個svm模型的預測（prediction_svm_linear），我想用R中的pROC包繪製ROC曲線。我得到AUC 100％，這是不可能的，因爲基於混淆矩陣我沒有完美的預測。顯然我錯過了一些東西，可能我不完全瞭解ROC曲線的工作原理，請你向我解釋爲什麼會發生這種情況？ Confusion Matrix and Statistics Reference Prediction

0熱度

1回答

ROCR - 奇怪的ROC曲線

我有一些p值用於評分。每個概率給出了一個真正的或假的正面的。這個想法是繪製一個統計測試的表現。但是，我生成的ROC曲線沒有意義。請複製並粘貼代碼以進行復制。代碼： library(ROCR) scores <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,

0熱度

2回答

SAS。如何製作兩個ROC曲線（兩個比較組）在同一個圖上？

SAS（9.4）的數據集（d）包括3個變量： Y，標記（= 0和1）和基團（= 1和2）。如何在同一個圖上製作兩個ROC曲線？我在互聯網上觀看了很多，但不幸的是，他們不理解這個解釋。我將非常感謝幫助！那麼，如何在這裏放置一個組變量？（P.S.並且以置信區間得到AUC。） ods graphics on; proc logistic data = d plots = EFFECT plots

0熱度

1回答

Java RPC庫與capnproto？

目前capnproto超高速庫不提供RPC庫，這使得很難替換現有的GRPCio（或其他RPC Java框架）。爲什麼capnproto Java支持目前僅限於序列化？是否有計劃支持完整的RPC框架？

1熱度

2回答

如何在R中填寫ROC圖的AUC？

我有這樣的ROC曲線： library(Epi) library(pROC) data(aSAH) data <- aSAH plot.roc(data$outcome, data$s100b) 我想要的顏色的Area under the curve: 0.7314。我試了... x <- seq(1, 0, by = - .001) polygon(x, roc(data$out