ROC-curve
In de signaaldetectietheorie is een ROC-curve (Engels: receiver operating characteristic (ROC) een grafiek van de gevoeligheid (sensitiviteit) tegen (1 - specificiteit) voor een binaire classifier als zijn discriminatiedrempel wordt gevarieerd. De ROC kan ook worden weergegeven door de fractie van true positives (TPR = true positive rate) uit te zetten tegen de fractie van fout-positieven (FPR = false positive rate). De ROC-curve staat ook bekend als de Relative Operating Characteristic curve, omdat twee operating characteristics (TPR & FPR) worden vergeleken terwijl het criterium (drempel) verandert. [1]
Met ROC-analyse kunnen optimale modellen gekozen worden en minder goede worden verworpen onafhankelijk van de kosten of de klasseverdeling. ROC-analysis kan gebruikt worden bij kosten/baten-analyse bij diagnostische besliskunde. De ROC-curve werd oorspronkelijk ontwikkeld door elektrotechnici en radartechnici in de Tweede Wereldoorlog om vijandelijke objecten op slagvelden te onderscheiden. Het vakgebied heet ook wel signaaldetectietheorie. Tegenwoordig wordt ROC-analyse al tientallen jaren toegepast in de geneeskunde, radiologie, psychologie en andere gebieden. Sinds kort wordt het ook gebruikt bij machine learning en data mining.
Idee
Source: Fawcett (2004). |
Zie ook
- ↑ Signal detection theory and ROC analysis in psychology and diagnostics : collected papers; Swets, 1996