在分类预测中，我们一般比较关注准确率，但是，混淆矩阵也是非常重要的。尤其是当我们都其中的某一类别特别感兴趣的时候，通常要单独的看这个类别的召回率和精度，比如在癌症诊断过程中，我们宁愿错误的认为一个人是...

（一）缘起  这几天，连续碰到多人咨询了两个同样的问题，这两个都是非常有意思的话题： 如何比较两个模型的预测效果？ROC的AUC值比较？IDI、NRI如何计算？ 如何做危险因素评分预测模型？怎样将回归...

ROC 曲线(receiver operating characteristic curve，简称 ROC 曲线)，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。横纵坐标可由...

 初识ROC曲线 1. ROC的前世今生： ROC的全称是“受试者工作特征”（Receiver Operating Characteristic）曲线，首先是由二战中的电子工程师和雷达工程师发明的，用...

一、一起来YY小明发现最新的文献中提出了一个新的指标“神奇标记物”(x marker，xM)，通过定量测量xM，有可能能够帮助诊断疾病“x”(x disease，xD)。对于这种定量指标，当我们试图评...

在机器学习中，ROC（Receiver Operator Characteristic）曲线被广泛应用于二分类问题中来评估分类器的可信度，但是当处理一些高度不均衡的数据集时，PR曲线能表现出更多的信息...

近日某医生拿出SCI论文的审稿意见，其中一条是计算AUC和NRI，查看指标的诊断能力。AUC大家并不陌生，但NRI是什么东东?经过小编一番检索，发现用NRI的资料少之又少。功夫不负有心人，经过认真检索...

都说可以借助ROC分析的曲线坐标确定最优界值(optimal cut off)，但看着SPSS的结果，有些小伙伴不免沉思，到底如何着手呀?(至于如何得到曲线坐标，在ROC分析界面选中ROC曲线的坐标点...

ROC曲线，受试者工作特征曲线 （receiver operating characteristic curve，简称ROC曲线），又称为感受性曲线（sensitivity curve）。 ROC曲线...

AUC介绍 AUC (Area Under Curve)是机器学习二分类模型中非常常用的评估指标，相比于 F1-Score 对项目的不平衡有更大的容忍性，目前常见的机器学习库中(比如 scikit-l...