求助高手多元roc曲線如何做，求助高手多元ROC曲線如何做？

1樓：

roc曲線解釋

受試來者工作特徵曲線（源receiver operating characteristic curve，簡稱roc曲線），又稱為感受性曲線（sensitivity curve）。

roc曲線是根據一系列不同的二分類方式（分界值或決定閾），以真陽性率（靈敏度）為縱座標，假陽性率（1-特異度）為橫座標繪製的曲線。

roc曲線越靠近左上角,試驗的準確性就越高。最靠近左上角的roc曲線的點是錯誤最少的最好閾值，其假陽性和假陰性的總數最少。

roc曲線繪製

依據專業知識，對疾病組和參照組測定結果進行分析，確定測定值的上下限、組距以及截斷點（cut-off point），按選擇的組距間隔列出累積頻數分布表，分別計算出所有截斷點的敏感性、特異性和假陽性率（1-特異性）。以敏感性為縱座標代表真陽性率，（1-特異性）為橫座標代表假陽性率，作圖繪成roc曲線。

2樓：匿名使用者

sas可以直接實現，spss救出**值，再畫roc就行了。

roc曲線怎麼做啊

3樓：匿名使用者

我要這個答案，哎，不會啊，他有哪些用途啊

怎樣把多組roc曲線做在一張圖里

4樓：一鹿晗笑

建立乙個xy的**，然後對於第乙個指

針表，在x列輸入1-specificity的值，第乙個y列輸入sensitivity；對第二個指標，在第乙個指標的x列的下面繼續輸入1-specificity的值，第2個y列輸入sensitivity；。。。然後就會看到最初的roc曲線了。最後自己編輯一下。

5樓：我努力的方式

roc曲線（receiver operating characteristic curve）是利用classification模型真正率（true positive rate）和假正率（false positive rate）作為座標軸，圖形化表示分類方法的準確率的高低。 roc圖的一些概念定義:：真正（true positive , tp.

6樓：匿名使用者

最好的辦法是在建立資料檔案時同時輸入多個變數或兩個變數的值，再一併做roc曲線分析

急請教高手spss軟體裡的roc曲線怎麼做，怎麼輸入資料，謝謝大家

7樓：匿名使用者

電子工業出版社出版的《pasw/spss statistics中文版統計分析教程（第3版）(含cd光碟1張)》有介紹。

8樓：匿名使用者

鑑於你已經有且只有3個點，在spss中畫出乙個基於這三個點的線圖不就可以了麼？

求助：spss下，如何在同時做出兩條roc曲線

9樓：匿名使用者

有診斷指標，診斷結果，spss可直接做出roc曲線，不需要自己計算1-spe和sen的。不同版本的roc曲線的位置不一樣，找找分析或作圖兩個選單可以找到roc曲線這個命令的。

求救：怎樣用spss製作roc曲線，尤其是資料的輸入。可以演示一下嗎？最好有個例子加以說明，謝謝！

10樓：酸酸男崽

roc(receiver operating characteristic)曲線,用於二分類判別效果的分析與評價.一般自變數為連續變數,因變數為二分類變數.

基本原理是:通過判斷點(cutoff point/cutoff value)的移動,獲得多對靈敏度(sensitivity)和誤判率(1-specificity(特異度)),以靈敏度為縱軸,以誤判率為橫軸,連線各點繪製曲線,然後計算曲線下的面積,面積越大,判斷價值越高.

靈敏度:就是把實際為真值的判斷為真值的概率.

特異度:就是把實際為假值的判斷為假值的概率.

誤判率:就是把實際為假值的判斷為真值的概率,其值等於1-特異度.

將繪成的曲線與斜45度的直線對比,若差不多重合,說明自變數對因變數的判斷價值很差,若越遠離斜45度的直線即曲線下的面積越大,說明自變數對因變數的判斷價值越好,即根據自變數可以較為正確的判斷因變數.

使用spss的操作過程如下:

graphs/roc curve:test variable選自變數(連續型變數),state varibale選因變數(二分類變數)display的選項一般全選.

執行結果:1.roc曲線,可直觀地看到曲線形狀.

2.area under the curve:曲線下方的面積,包括面積值,顯著性分析,置信區間.

3.coordinates of the curve:roc曲線各點對應的靈敏度和誤判率.

請教多類分類問題的roc曲線如何繪製

11樓：可樂零七

roc曲線（receiver operating characteristic curve）是利用classification模型真正率（true positive rate）和假正率（false positive rate）作為座標軸，圖形化表示分類方法的準確率的高低。

roc圖的一些概念定義:：

真正（true positive , tp）被模型**為正的正樣本

假負（false negative , fn）被模型**為負的正樣本

假正（false positive , fp）被模型**為正的負樣本

真負（true negative , tn）被模型**為負的負樣本

真正率（tpr）

tpr = tp /（tp + fn）

正樣本**結果數 / 正樣本實際數。在roc曲線中，tpr作為y軸

假正率（ fpr）

fpr = fp /（fp + tn）

被**為正的負樣本結果數 /負樣本實際數。在roc曲線中，fpr作為x軸

我在此主要做的事情是畫出roc曲線工程實現方面的一些解釋。我們設計乙個函式，此函式需要有乙個模型**值predict和資料標籤值ground_truth作為輸入引數。分為幾步進行實現。

（1）統計資料標籤值ground_truth(及y)中分類為0和分類為1的資料數目：

pos_num=sum(ground_truth==1);neg_num=sum(ground_truth);

(2)對利用模型求出的**值predict由低到高進行排序;對應資料原來所在位置進行索引記錄，用於重新排序ground_truth.利用函式sort實現，sort詳情請檢視help文件：

[pre,index]=sort(predict); ground_truth=ground_truth(index);

(3)對ground_truth和predict遍歷i=1:n，n是測試集數目。其目的是隨著predict中概率的增加，隨著增加判斷正負樣本的閾值；也就是說取遍歷到的predict值為閾值，大於閾值的假設**為正樣本（閾值右邊），小於閾值的假設**為負樣本（閾值左邊）。

所以同時我們可得到真正tp 和假正fp值：tp=sum(ground_truth(i:n)==1);fp=sum(ground_truth(i:n)==0);

這時我們就可以求取tpr 和fpr了：tpr=tp/pos_num; fpr=fp/neg_num; 把求取到的值儲存起來（x(i),y(i)）,因為這就是我們要在圖上畫的點。

（4）返回曲線與座標軸間的面積auc。我們的目的是測量資料的準確率，這個面積就是乙個量度，auc越大，準確率越高。

auc=auc+(y(i)+y(i-1))*(x(i-1)-x(i))/2；

實現roc曲線的**如下：

% predict - 分類器對測試集的分類結果

% ground_truth - 測試集的正確標籤,這裡只考慮二分類，即0和1

% auc - 返回roc曲線的曲線下的面積

function auc = plot_roc( predict, ground_truth )

%初始點為（1.0, 1.0）

%計算出ground_truth中正樣本的數目pos_num和負樣本的數目neg_num

pos_num = sum(ground_truth==1);

neg_num = sum(ground_truth==0);

m=size(ground_truth,1);

[pre,index]=sort(predict);

ground_truth=ground_truth(index);

x=zeros(m+1,1);

y=zeros(m+1,1);

auc=0;

x(1)=1;y(1)=1;

for i=2:m

tp=sum(ground_truth(i:m)==1);fp=sum(ground_truth(i:m)==0);

x(i)=fp/neg_num;

y(i)=tp/pos_num;

auc=auc+(y(i)+y(i-1))*(x(i-1)-x(i))/2;

end;

x(m+1)=0;y(m+1)=0;

auc=auc+y(m)*x(m)/2;

plot(x,y);end

求助高手多元roc曲線如何做，求助高手多元ROC曲線如何做？

SPSSModeler分類如何做roc曲線

用什麼軟體可以做roc曲線分析,如何利用SPSS做出ROC曲線

求助問題如何做鮮蝦燒賣詳細

求助高手 多元roc曲線如何做，求助高手 多元ROC曲線如何做？

SPSSModeler分類如何做roc曲線

用什麼軟體可以做roc曲線分析,如何利用SPSS做出ROC曲線

求助問題如何做鮮蝦燒賣詳細

相關推薦

求助高手多元roc曲線如何做，求助高手多元ROC曲線如何做？