| dbpprop:abstract
|
- In signal detection theory, a receiver operating characteristic (ROC), or simply ROC curve, is a graphical plot of the sensitivity vs. (1 - specificity) for a binary classifier system as its discrimination threshold is varied. The ROC can also be represented equivalently by plotting the fraction of true positives (TPR = true positive rate) vs. the fraction of false positives (FPR = false positive rate). Also known as a Relative Operating Characteristic curve, because it is a comparison of two operating characteristics (TPR & FPR) as the criterion changes. ROC analysis provides tools to select possibly optimal models and to discard suboptimal ones independently from (and prior to specifying) the cost context or the class distribution. ROC analysis is related in a direct and natural way to cost/benefit analysis of diagnostic decision making. The ROC curve was first developed by electrical engineers and radar engineers during World War II for detecting enemy objects in battle fields, also known as the signal detection theory, and was soon introduced in psychology to account for perceptual detection of signals. ROC analysis since then has been used in medicine, radiology, and other areas for many decades, and it has been introduced relatively recently in other areas like machine learning and data mining.
- Die Receiver Operating Characteristic (ROC) – Kurve ist eine Methode zur Bewertung und Optimierung von Analyse-Strategien. Die ROC-Kurve stellt die Abhängigkeit der Effizienz von der Fehlerrate dar. Sie ist eine Methode zur Grenzwertoptimierung, beispielsweise bei einem dichotomen (semi-)quantitativen Merkmal. Sie ist eine Anwendung der Signalentdeckungstheorie. Man ermittelt für jeden möglichen Grenzwert die resultierenden relativen Häufigkeitsverteilungen und errechnet die jeweils zugehörige Sensitivität und Spezifität. In einem Diagramm mit der Ordinate Sensitivität (= relative Häufigkeit aller richtig positiven / true positive bzw. "TP" Testergebnisse) und Abszisse 1- Spezifität (= relative Häufigkeit aller falsch positiven bzw. "FP" Testergebnisse) trägt man die obigen Wertepaare (1) ein. Es resultiert im günstigen Fall eine gekrümmte, parabelartige Kurve. Das theoretische Optimum des Testgrenzwerts ermittelt man dann aus dem Kontaktpunkt einer 45° ansteigenden Tangente (3) mit der ROC-Kurve, sofern die Achsen einheitlich skaliert wurden. Andernfalls muss der Tangentenanstieg gleich dem Quotienten 100% Sensitivität / |100% Spezifität| sein. Zeichnet man die Testwerte (beispielsweise in Abhängigkeit von der falsch positiv - Rate) in das gleiche Diagramm (2), findet sich der Grenzwert als Lot (4) des Kontaktpunktes der Tangente auf die Testwertekurve. Natürlich ist diese grafische Methode ungenau. Aber es gibt auch genauere rechnerische Lösungen, wie zum Beispiel den sog. Youden-Index. Dieser berechnet sich aus Sensitivität(Fraktion%)+Spezifität(Fraktion%)-1. An dem Punkt, an dem der Index maximal (optimalerweise =1) ist, befindet sich der optimale Grenzwert. Eine alternative Methode, die vor allem im Information Retrieval Anwendung findet, ist die Betrachtung von Recall und Precision.
- La caractéristique de fonctionnement du récepteur ou, en anglais, Receiver Operating Characteristic (dite aussi ROC) est une mesure de la performance d'un classifieur binaire, c'est-à-dire d'un système qui a pour objectif de catégoriser des entités en deux groupes distincts sur la base d'une ou plusieurs de leurs caractéristiques. Graphiquement, on représente souvent la mesure ROC sous la forme d'une courbe qui donne le taux de classifications correctes dans un groupe (dit taux de vrais positifs) en fonction du nombre de classifications incorrectes pour ce même groupe. Les courbes ROC furent inventées pendant la Seconde Guerre mondiale pour montrer la séparation entre les signaux radar et le bruit de fond. Elles sont souvent utilisées en statistiques pour montrer les progrès réalisés grâce à un classifieur binaire lorsque le seuil de discrimination varie. Si le modèle calcule un score s qui prédit une réponse bonne (B) ou mauvaise (M), on prend B(s) et M(s) comme coordonnées pour toutes les valeurs du score s. B(s) représente la sensibilité (le polygone des fréquences cumulées des bonnes réponses) et M(s) représente 1 - la spécificité (le polygone des fréquences cumulées des mauvaises réponses). Cette courbe va de (0, 0) à (1, 1). La courbe d'un modèle idéal (séparation complète) passe par (0, 1), tandis que la courbe d'un modèle complètement inutile (aucune séparation) est la ligne y = x. Dans la théorie de la détection du signal, les grandeurs d' et A' mesurent l'aire sous la courbe ROC.
- Nella teoria delle decisioni, le curve ROC (Receiver Operating Characteristic o anche note come Relative Operating Characteristic) sono un schema grafico per un classificatore binario. Lungo i due assi si possono rappresentare la sensibilità e (1-specificità), come True Positive Rate (vero positivo) e False Positive Rate (falso positivo). In altre parole, si studiano i rapporti fra allarmi veri (hit rate) e falsi allarmi. Le curve ROC furono utilizzate per la prima volta da alcuni ingegneri elettrici durante la seconda guerra mondiale, che volevano scovare i nemici utilizzando il radar durante le battaglie. Recentemente invece le curve ROC sono utilizzate anche in medicina, radiologia, psicologia, veterinaria e altri ambiti, come il machine learning e data mining.
- 受信者操作特性（じゅしんしゃそうさとくせい、英 Receiver Operating Characteristic, ROC）は、信号処理の概念で、観測された信号からあるものの存在を判定する際の基準となる特性である。臨床検査などでも用いられEBMの基礎をなすものの一つとなっている。 もとは、レーダー技術で、雑音の中から敵機の存在を検出するための方法として開発されたものだが、ここでは臨床検査の用語で説明する。 図の上はある疾患について、特定の検査の検査結果の分布を、陰性者、陽性者別に表示するものである。この例では陰性者の方が全体的に検査結果が小さい値を示す。そこにスレッショルド（閾値、カットオフポイント）を導入し、その値以上の場合陽性、そうでなければ陰性だとする。今、カットオフポイントとしてBを採用すると、 真陰性 True Negative : 陰性者を陰性と判定 偽陽性 False Positive : 陰性者を陽性と判定 偽陰性 False Negative : 陽性者を陰性と判定 真陽性 True Positive : 陽性者を陽性と判定 が図のように分かれる。 ここで、陽性者を正しく陽性として捕捉する率を敏感度 sensitivity、陰性者を正しく陰性と判断する率を特異度 specificityと呼ぶ。また1-特異度（=陰性者の内で偽陽性になる率）を偽陽性率と呼ぶ。 横軸に偽陽性率、縦軸に敏感度をプロットし、カットオフポイントを媒介変数として大から小へと変化させると、下の図のような曲線が描かれる（ROC曲線と呼ばれる）。はじめは陽性者も陰性者も捕捉しにくいのでどちらも小さな値をとり、次第に敏感度が上がり、遅れて偽陽性度が上がる。最終的には敏感度も偽陽性度も100%になる。 検査が有効であれば、この曲線は45度の線から左上に離れる。離れれば離れる程、検査として有効である。
- In de signaaldetectietheorie is een ROC-curve een grafiek van de gevoeligheid tegen (1 - specificiteit) voor een binaire classifier als zijn discriminatiedrempel wordt gevarieerd. De ROC kan ook worden weergegeven door de fractie van true positives (TPR = true positive rate) uit te zetten tegen de fractie van fout-positieven (FPR = false positive rate). De ROC-curve staat ook bekend als de Relative Operating Characteristic curve, omdat twee operating characteristics (TPR & FPR) worden vergeleken terwijl het criterium (de drempel) verandert. Met ROC-analyse kunnen optimale modellen worden uitgekozen en minder goede verworpen onafhankelijk van de kosten of de klasseverdeling. ROC-analyse kan gebruikt worden voor kosten/baten-analyse bij diagnostische besliskunde. De ROC-curve werd oorspronkelijk ontwikkeld door elektrotechnici en radartechnici in de Tweede Wereldoorlog om vijandelijke objecten te onderscheiden. Het vakgebied heet ook wel signaaldetectietheorie. Tegenwoordig wordt ROC-analyse al tientallen jaren toegepast in de geneeskunde, radiologie, psychologie en andere gebieden. Sinds kort wordt het ook gebruikt bij machine learning en data mining.
- Sinyal algılama teorisinde, alıcı işletim karakteristiği (orijinal adıyla; Reveiver Operating Characteric - ROC) ya da sade biçimde ROC eğrisi olarak tanımlanmaktadır. ROC eğrisi, ikili sınıflandırma sistemlerinde ayrım eşik değerinin farklılık gösterdiği durumlarda, hassasiyetin kesinliliğe olan oranıyla ortaya çıkmaktadır. ROC daha basit anlamda doğru positiflerin, yanlış pozitiflere olan kesri olarak da ifade edilebilir. . Her sınıflandırma işleminde yapıldığı gibi, metodlar kesinlik (yanlış pozitifleri eleme kabiliyeti) ve hassasiyet (doğru pozitifleri tespit etme kabiliyeti) arasındaki dengeyi kurmakla uğraşmaktadır. Veri kümesindeki pozitif ve negatif örnekler, eşit bir şekilde dağılım göstermediğinden dolayı, doğrudan kesinlik ve hassasiyet ölçütlerinden önce, ROC kısaltması ile Receiver Operating Characteristics (Use of receiver operating characteristic analysis to evaluate sequence matching, Gribskov and Robinso, Elsevier, 1996) adı verilen eğri, kesinlik ve hasiyet arasındaki dengeyi değerlendirmek için kullanılmıştır. ROC eğrisi altında kalan alan ROC puanı olarak tanımlanabilir. ROC eğrisi değişen sınıflandırma eşik değerlerine göre doğru pozitiflerin sayısının, yanlış pozitiflerin bir fonksiyonu olarak çizilmesiyle oluşmaktadır. ROC puanı 1 (bir) olduğunda anlamı, pozitifler mükemmel bir şekilde negatiflerden ayrılmıştır, olmaktadır. ROC puanı 0 (sıfır) olduğunda ise herhangi bir pozitif bulunamadı anlamına gelir. Geniş olarak tıp, radyoloji, psikoloji ve benzer alanlarda yüzyıllardır kullanılmaktadır, günümüzde makine öğrenme teknikleri ve veri madenciliği alanlarında da kullanılmaktadır.
|
| rdfs:comment
|
- In signal detection theory, a receiver operating characteristic (ROC), or simply ROC curve, is a graphical plot of the sensitivity vs. (1 - specificity) for a binary classifier system as its discrimination threshold is varied. The ROC can also be represented equivalently by plotting the fraction of true positives (TPR = true positive rate) vs. the fraction of false positives (FPR = false positive rate).
- Die Receiver Operating Characteristic (ROC) – Kurve ist eine Methode zur Bewertung und Optimierung von Analyse-Strategien. Die ROC-Kurve stellt die Abhängigkeit der Effizienz von der Fehlerrate dar. Sie ist eine Methode zur Grenzwertoptimierung, beispielsweise bei einem dichotomen (semi-)quantitativen Merkmal. Sie ist eine Anwendung der Signalentdeckungstheorie.
- La caractéristique de fonctionnement du récepteur ou, en anglais, Receiver Operating Characteristic (dite aussi ROC) est une mesure de la performance d'un classifieur binaire, c'est-à-dire d'un système qui a pour objectif de catégoriser des entités en deux groupes distincts sur la base d'une ou plusieurs de leurs caractéristiques.
- Nella teoria delle decisioni, le curve ROC (Receiver Operating Characteristic o anche note come Relative Operating Characteristic) sono un schema grafico per un classificatore binario. Lungo i due assi si possono rappresentare la sensibilità e (1-specificità), come True Positive Rate (vero positivo) e False Positive Rate (falso positivo). In altre parole, si studiano i rapporti fra allarmi veri (hit rate) e falsi allarmi.
- In de signaaldetectietheorie is een ROC-curve een grafiek van de gevoeligheid tegen (1 - specificiteit) voor een binaire classifier als zijn discriminatiedrempel wordt gevarieerd. De ROC kan ook worden weergegeven door de fractie van true positives (TPR = true positive rate) uit te zetten tegen de fractie van fout-positieven (FPR = false positive rate).
- Sinyal algılama teorisinde, alıcı işletim karakteristiği (orijinal adıyla; Reveiver Operating Characteric - ROC) ya da sade biçimde ROC eğrisi olarak tanımlanmaktadır. ROC eğrisi, ikili sınıflandırma sistemlerinde ayrım eşik değerinin farklılık gösterdiği durumlarda, hassasiyetin kesinliliğe olan oranıyla ortaya çıkmaktadır. ROC daha basit anlamda doğru positiflerin, yanlış pozitiflere olan kesri olarak da ifade edilebilir. .
|
![[RDF Data]](/statics/sw-cube.png)
