วิเคราะห์ ROC curve ทำการวิเคราะห์

วิเคราะห์ ROC curve ทำการวิเคราะห์ ROC curve เพื่อหาโมเดลที่มีความเหมาะสมมากที่สุด โดย ROC curve จะเป็นการ plot ค่า False positive rate (1-specificity) ในแนวแกน X และค่า True positive rate (Sensitivity) ในแนวแกน Y เมื่อ cost ของ False positive และ False negative มีค่าเท่าๆ กัน จะ set positivity criterion ไว้ใกล้มุมซ้ายบนมากที่สุด ดังนั้นกราฟของการทดสอบที่เข้าใกล้มุมบนซ้ายมากที่สุด หรือ มีพื้นที่ใต้กราฟมากที่สุด จะดีกว่า สามารถ plot ROC curve ของกรณีที่ 1.1 และกรณีที่ 1.2 ได้ดังนี้

ผลลัพธ์ (อังกฤษ) 1:

ROC curve analysis, ROC curve analysis to find the models that are most appropriate by the ROC curve is a plot of the values False positive rate (1-specificity) and the True value in X axis positive rate (Sensitivity) in the longitudinal axis of the False positive when Y and False negative cost has a value equal to positivity criterion set near the upper left corner of the graph, most so the test is approaching the upper left most or are most areas under the graph would be better able to ROC curve plot of cases and case 1.1 1.2 are as follows:

ผลลัพธ์ (อังกฤษ) 2:

Analysis of ROC curve analysis ROC curve for models that are most suited by ROC curve is a plot the False positive rate (1-specificity) in the X axis and the True positive rate (Sensitivity) in the Y-axis on the cost of. False positive False negative and equal to the value set positivity criterion near the top left corner. The graph of the test approach angle on the left or the area under the curve is better able to plot ROC curve of the 1.1 and the 1.2 are as follows.

ผลลัพธ์ (อังกฤษ) 3:

Analysis of ROC curve analyze ROC curve to find the models that are most appropriate by ROC curve is plot value False. Positive rate (1-specificity) in the axial X and the True positive rate (Sensitivity) in the axial Y when cost of False positive. And the False negative were equally to set positivity criterion near the upper left corner most. So the graph of the test approach to the upper left corner most or the area under the graph most is better, can plot ROC curve of 1.1 case and case 1.2 as follows.