Definicja

Krzywa ROC

Skrót: ROC. Kategoria: diagnostyka i predykcja.

Krzywa ROC przedstawia czułość przeciwko odsetkowi wyników fałszywie dodatnich, czyli 1 minus swoistość, dla kolejnych progów wyniku ciągłego. Pole pod krzywą, AUC, opisuje zdolność uporządkowania losowo wybranej pary osoby ze stanem i bez stanu.

Granice. AUC nie wybiera automatycznie progu i nie mówi, czy korzyści decyzji przewyższają szkody. Nie ocenia też samodzielnie kalibracji prawdopodobieństw, kosztów błędów ani użyteczności klinicznej. Wynik z danych uczących może być optymistyczny, dlatego potrzebna jest [[walidacja-krzyzowa|walidacja]] lub niezależna próba i CI.

Częsty błąd. Uznanie wysokiego AUC za wystarczający dowód, że model nadaje się do praktyki klinicznej.

Przykład. Dla ośmiu wyników AUC = 0,6875. Przy progu 0,50 czułość wyniosła 0,75, a swoistość 0,75; inny próg zmieniłby oba parametry.

Jak to zapisać w pracy. Model osiągnął AUC = 0,69, 95% CI […]. Dla wcześniej uzasadnionego progu 0,50 [[czulosc-i-swoistosc|czułość i swoistość]] wyniosły po 75%; opisano sposób walidacji i konsekwencje błędów.

Powiązane hasła: Czułość i swoistość, Regresja logistyczna, Walidacja krzyżowa, przedział ufności

Jeśli chcesz ocenić model szerzej niż samym AUC, Wyceń projekt.