modèle de régression logistique multiple 에서 sensibilité, spécificité 의 의미여러 개의 독립 변수 와 이 분형 종속 변수 로 fit model 에서 적정 model 만들고 ROC curve 등 AUC 등 을 구하는 구하는 은 simple logistique 이나 simple regression model 등 을 통해 개념 은 이해 를 하겠는데
그렇다고 sensibilité 와 spécificité 값 을 통해 적정 진단 적 coupure 를 정하는 거는 개념적 얘기 일 뿐 실제 어느 한 변 수 의 값 에 대해 적용 할 수 있을까요? 그 변수 가 여러 독립 변수 중 유일 하게 유의 하다 할지라 도 말입니다
prédicteur profileur 그림 이 아마 그걸 구현해 주려 한 거 같은데 거기서 par défaut 상태 에서 보여 주는 각 변수 의 값일 때가 modèle 의 prédiction 이 가장 양호 하다는 것이죠?
요 내용 이 spécifique 하게 다루어 져 있는 시청각 자료 도 좀 소개 부탁 드립니다.
탐색 하여 찾으 려니 시간 이 너무 걸리 네요
RE : Signification de la sensibilité et de la spécificité dans le modèle de régression logistique multipleEn général, le seuil est déterminé par régression logistique utilisant la courbe ROC (Sensibilité, Spécificité). En d’autres termes, le point de coupure qui maximise la valeur de spécificité 1 est sélectionné. La méthode est la même que pour l’utilisation de l’indice Youden. Veuillez consulter le lien ci-dessous pour des exemples d'utilisation de JMP. Le lien ci-dessous provient du site japonais de JMP. Si vous traduisez le site à l'aide de Google Chrome, vous n'aurez pas beaucoup de mal à en comprendre le sens.
https://www.jmp.com/ja_jp/medical-statistics/column/non-series/roc-curve.html
De plus, vous vouliez du matériel vidéo connexe. Si vous regardez la vidéo simple ci-dessous, vous pouvez voir comment JMP définit essentiellement le point limite et ce que vous devez faire pour définir un point limite autre que celui par défaut.
Point de coupure différent pour la matrice de confusion dans la régression logistique
Est-ce que cela a été utile ?
merci
