ROC-кривая

ROC-кривые трёх методов предсказания эпитопов

ROC-кривая (англ. receiver operating characteristic, операционная характеристика приёмника) — график, позволяющий оценить качество бинарной классификации, отображает зависимость доли верных положительных классификаций от доли ложных положительных классификаций при варьировании порога решающего правила. Также известна как кривая ошибок. Анализ классификаций с применением ROC-кривых называется ROC-анализом.

Количественную интерпретацию ROC даёт показатель AUC (англ. area under ROC curve, площадь под ROC-кривой) — площадь, ограниченная ROC-кривой и осью доли ложных положительных классификаций. Чем выше показатель AUC, тем качественнее классификатор, при этом значение 0,5 демонстрирует непригодность выбранного метода классификации (соответствует случайному гаданию).

Применение

ROC-кривые впервые использованы в теории обработки сигналов в США во время Второй мировой войны для повышения качества распознавания объектов противника по радиолокационному сигналу^[1].

Впоследствии широкое применение ROC-кривые получили в медицинской диагностике, управлении качеством продукции, в кредитном скоринге.

См. также

• Модель бинарного выбора
• Логистическая регрессия

Примечания

1. ↑ Signal detection theory and psychophysics. — New York, NY: John Wiley and Sons Inc., 1966. — ISBN 0-471-32420-5

Для улучшения этой статьи по статистике желательно?: Дополнить статью (статья слишком короткая либо содержит лишь словарное определение). Проверить достоверность указанной в статье информации. Найти и оформить в виде сносок ссылки на авторитетные источники, подтверждающие написанное.