ROC-Kurve und AUC-Wert [Einfach erklärt]
Вставка
- Опубліковано 10 чер 2024
- ROC steht für Receiver Operating Characteristic. Eine ROC-Kurve ist eine grafische Darstellung der Leistungsfähigkeit eines binären Klassifizierungsmodells für alle Klassifizierungsschwellenwerte. Eine ROC Kurve kann z.B. bei einer logistischen Regression erstellt werden
► Online-Rechner ROC Kurve
datatab.de/statistik-rechner/...
► Tutorial ROC Kurve
datatab.de/tutorial/roc-kurve
► E-BOOK
datatab.de/statistik-buch
00:00 Was ist eine ROC-Kurve?
00:19 Beispiel für eine ROC-Kurve.
04:32 AUC-Wert bei der ROC-Kurve
05:00 ROC-Kurve und logistische Regression
05:43 ROC-Kurve online mit DATAtab erstellen
Super erklärt!
Danke für dein Video. Min 1:46: Was mir jedoch unklar ist: wenn die TP Rate als 4/5 (= 0.8 = 80%) angegeben wird, also die Anzahl der als krank klassifizierten Personen an allen kranken (4 krank klassifiziert von 5 wirklich Kranken), dann müsste die FP Rate hier ja 2/5 (= 0.4 = 40%) sein, da diese ja dann angeben würde, wie viele FÄLSCHLICHERWEISE als krank klassifiziert werden. Das sind in diesem Beispiel ja 2 (die mit dem Herzsymbol) Personen, die eigentlich gesund sind, aber fälschlicherweise als krank (Bei Schwellenwert: 45) klassifiziert werden. Die 3/5 (= 0.6 = 60%) sind doch die richtig negativ klassifizierten (jene, die richtigerweise als gesund klassifiziert wurden, weil sie auch gesund sind). Oder irre ich mich? Weil bei 1:46 sagst du, dass die FP Rate bei 3/5 (60%) wäre.
LG
Ist nicht dann die FPR bei einem Schwellwert von 45 gleich 0,4, da man ja 2 von 5 falsch als krank eingestuft hat?
Gutes Video.
Allerdings vermisse ich die Achsenbeschriftung bei dem Diagramm.