ROC-кривая

Материал из Википедии — свободной энциклопедии
Перейти к: навигация, поиск
ROC-кривые трёх методов предсказания эпитопов

ROC-кривая (англ. receiver operating characteristic, операционная характеристика приёмника) — график, позволяющий оценить качество бинарной классификации, отображает соотношение между долей верных положительных классификаций от общего числа положительных классификаций (англ. true positive rate, \mathrm{TPR}, называемой чувствительностью алгоритма классификации) с долей ошибочных положительных классификаций от общего числа отрицательных классификаций (англ. false positive rate, \mathrm{FPR}, величина 1-\mathrm{FPR} называется специфичностью алгоритма классификации) 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[править | править исходный текст]

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[править | править исходный текст]

Примечания[править | править исходный текст]

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