Actualmente en JMPpro, la única medida de rendimiento calculada automáticamente a partir de la matriz de confusión de un modelo es la tasa de clasificación errónea y, finalmente, el AUC de la República de China. Otras medidas, como las tasas de fase positiva y falso negativo, la sensibilidad, la especificidad, el valor predictivo negativo y positivo, la precisión/recuperación (= puntuación F1) y el MCC, se describen comúnmente en la literatura de ML y son muy útiles para la comparación de modelos. Existen calculadoras en línea, pero necesitan la entrada de datos manual y son sensibles a los errores de entrada de datos (ref: sitio web para fórmulas http://onlineconfusionmatrix.com/ ). No tengo experiencia con el desarrollo de Add-Inns. Un complemento que calcule estas medidas de rendimiento a partir de la matriz de confusión sería muy bienvenido para el usuario de JMP que busca el modelo ML óptimo. De hecho, la ROC y la tasa de clasificación errónea están lejos de ser la mejor medida de desempeño, especialmente cuando los datos están muy desequilibrados, una situación muy común en la clasificación médica. Mi pregunta, ¿es útil desarrollar este complemento? ¿Hay alguien en el foro que pueda esforzarse en ello?
Saludos
Lu
Hola Lu,
Consulte estos dos complementos para ver si le ayudan con lo que está buscando. El segundo tiene mucho de lo que deseas, pero tiende a funcionar lentamente, así que ten paciencia. El primero lo creé específicamente para abordar las medidas que quería para las pruebas de diagnóstico.
complemento de resumen de rendimiento
explorador de umbral de clasificación de modelos
