ROC简易分析工具使用
ROC分析主要针对 存在一组真实的连续型数值数据设定阈值的不同对响应变量（二分类）的影响（真阳性率、假阳性率），它常用于 模型的构建过程中对结果预测的性能的一个评估，我们主要分为两类...
ROC分析主要针对 存在一组真实的连续型数值数据设定阈值的不同对响应变量（二分类）的影响（真阳性率、假阳性率），它常用于 模型的构建过程中对结果预测的性能的一个评估，我们主要分为两类
一类是：时间依赖性ROC,比如 预后模型中，1、3、5年的ROC曲线
一类是：诊断性的ROC,比如 某基因的表达与癌与癌旁的分类性能
ROC分析常用名词解释：
ROC: receiver operating characteristic,ROC曲线
AUC: area under the ROC curve,曲线下面积
pAUC: partial area under the ROC curve 部分曲线下面积
CI: confidence interval 置信区间
SP: specificity 特异度
SE: sensitivity 灵敏度
数据输入也非常简单，首先我们需要了解 我们绘制的是 诊断类的ROC(标准ROC)，还是 时间依赖性ROC.
当绘制未时间依赖性ROC时，我们需要准备 三列数据，一列是 时间，一列是 状态（比如死亡，复发，响应等），一列是 目标值（比如 预后评分、基因表达等）
当绘制的是 标准ROC时，我们需要准备两列数据，一列是 状态（比如：死亡、复发、药物响应、癌与癌旁等），一列是 目标值，比如诊断评分、基因表达等
提交之后即可获得图片结果
方法学写作示例：
- 发表于 2021-09-15 15:07
- 阅读 ( 3050 )
- 分类：软件工具
