ROC를 사용하여 분류를 위해 여러 마커 결합<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> 안녕 모두,
잠재 고객이 JMP에 ROC를 사용하여 분류를 위해 여러 마커를 결합 할 수 있는지 여부를 물었습니다. 나는 온라인으로 약간의 연구를하지만 다음 개요를 제외 하고이 기술에 대한 정보는 거의 없습니다.
- "생의학 연구에서 질병 분류를 목적으로 여러 마커를 결합하는 방법을 개발하는 것이 매우 흥미 롭습니다. ROC (수신 동작 특성) 기술이 널리 사용되어 왔으며, ROC 곡선 (AUC) 아래의 영역으로 분류 성능을 측정 할 수 있습니다. 이 기사에서는 질병 분류를 위해 여러 마커를 효과적으로 결합하기위한 ROC 기반 방법을 연구합니다. 우리는 경험적 AUC의 S 자형 근사를 최대화하는 S 자형 AUC (SAUC) 추정기를 제안합니다. SAUC 추정기는 계산 상 저렴하고 1/2 일치하며 AUC 추정기와 동일한 점근 효율을 달성합니다. 가중 부트 스트랩을 기반으로 한 추론이 조사됩니다. 또한 전반적인 예측 성능과 개별 마커의 상대적 중요성을 평가하기 위해 Monte Carlo 방법을 제안합니다. 유한 샘플 성능은 시뮬레이션 연구와 두 개의 공개 데이터 세트를 사용하여 평가됩니다. "
우리가 JMP에서 이것을 할 수 있는지 아는 사람이 있습니까? 스크립트가 필요하다고 생각합니다. 쉽게 알아볼 수 있습니까, 아니면 복잡한 프로젝트입니까?
미리 도와 주셔서 감사합니다.
옌 페이
Re : ROC를 사용하여 분류를 위해 여러 마커 결합안녕 옌 페이,
대답은 그렇습니다!
표식을 효과로 사용하여 모형에 로지스틱 회귀 모형을 적합합니다. 빨간색 삼각형에서 ROC 곡선을 요청합니다. 사례를 올바르게 분류하는 전체 모델 (여러 마커 사용)의 기능에 대해 설명합니다.
친애하는,
요르단
