如何做logistic模型的roc曲線了

1樓：匿名使用者

正因為我們比較關注正例的情形，所以設定了兩個相應的指標：tpr與fpr。

tpr：true positive rate，將實際的1正確地**為1的概率，d/(c+d)。

fpr：false positive rate，將實際的0錯誤地**為1的概率，b/(a+b)。

tpr也稱為sensitivity（即生物統計學中的敏感度），在這裡也可以稱為「正例的覆蓋率」——將實際為1的樣本數找出來的概率。覆蓋率是重要的指標，例如若分類的目標是找出潛在的劣質客戶（響應變數取值為1），則覆蓋率越大表示越多的劣質客戶被找出。

類似地，1-fpr其實就是「負例的覆蓋率」，也就是把負例正確地識別為負例的概率。

tpr與fpr相互影響，而我們希望能夠使tpr儘量地大，而fpr儘量地小。影響tpr與fpr的重要因素就是上文提到的「閾值」。當閾值為0時，所有的樣本都被**為正例，因此tpr=1，而fpr=1。

此時的fpr過大，無法實現分類的效果。隨著閾值逐漸增大，被**為正例的樣本數逐漸減少，tpr和fpr各自減小，當閾值增大至1時，沒有樣本被**為正例，此時tpr=0，fpr=0。

由上述變化過程可以看出，tpr與fpr存在同方向變化的關係（這種關係一般是非線性的），即，為了提升tpr（通過降低閾值），意味著fpr也將得到提升，兩者之間存在類似相互制約的關係。我們希望能夠在犧牲較少fpr的基礎上儘可能地提高tpr，由此畫出了roc曲線。

roc曲線的全稱為「接受者操作特性曲線」（receiver operating characteristic）

當**效果較好時，roc曲線凸向左上角的頂點。平移圖中對角線，與roc曲線相切，可以得到tpr較大而fpr較小的點。模型效果越好，則roc曲線越遠離對角線，極端的情形是roc曲線經過（0，1）點，即將正例全部**為正例而將負例全部**為負例。

roc曲線下的面積可以定量地評價模型的效果，記作auc，auc越大則模型效果越好。

由於roc曲線描述了在tpr與fpr之間的取捨，因此我一般將其理解為投入產出曲線，receive of cost。（事實上我理解錯了。相對而言lorenz曲線更適合這個名字。

當然啦其實fpr可以理解為另一種cost。2010.10.

15）當我們分類的目標是將正例識別出來時（例如識別有違約傾向的信用卡客戶），我們關注tpr，此時roc曲線是評價模型效果的準繩。

2樓：歲月靜孬

請問是用logistic算出來的概率，來畫出的roc曲線嗎？然後用約登指數作臨界值來計算靈敏度和特異度嗎

如何用spss根據logistic方程做roc曲線，急！！！感激不盡！

在graphpad pri**中怎麼做2或3個指標聯合的roc曲線

3樓：

roc曲線可以先做logistic模型，然後用概率去擬合曲線

4樓：匿名使用者

我以前回答過很多次這個問題

網上應該也能夠找到

graphpad pri**

origin

sigmaplot等等都可以繪製。

下圖左邊是pri**繪製的

右圖是excel繪製的。

求助高手：多元roc曲線如何做？

5樓：

roc曲線解釋

受試來者工作特徵曲線（源receiver operating characteristic curve，簡稱roc曲線），又稱為感受性曲線（sensitivity curve）。

roc曲線是根據一系列不同的二分類方式（分界值或決定閾），以真陽性率（靈敏度）為縱座標，假陽性率（1-特異度）為橫座標繪製的曲線。

roc曲線越靠近左上角,試驗的準確性就越高。最靠近左上角的roc曲線的點是錯誤最少的最好閾值，其假陽性和假陰性的總數最少。

roc曲線繪製

依據專業知識，對疾病組和參照組測定結果進行分析，確定測定值的上下限、組距以及截斷點（cut-off point），按選擇的組距間隔列出累積頻數分佈表，分別計算出所有截斷點的敏感性、特異性和假陽性率（1-特異性）。以敏感性為縱座標代表真陽性率，（1-特異性）為橫座標代表假陽性率，作圖繪成roc曲線。

6樓：匿名使用者

sas可以直接實現，spss救出**值，再畫roc就行了。