Suchergebnisse
Suchergebnisse:
Die ROC-Kurve (ROC: englisch für receiver operating characteristic bzw. deutsch Operationscharakteristik eines Beobachters ), auch Grenzwertoptimierungskurve oder Isosensitivitätskurve genannt ist eine Methode zur Bewertung und Optimierung von Analysestrategien.
8. Nov. 2023 · Receiver Operating Characteristic, kurz ROC, ist ein statistisches Verfahren, mit dem die Aussagekraft von Laborparametern, aber auch anderen Untersuchungsverfahren, optimiert und verglichen werden kann.
Eine ROC-Kurve zeigt die Leistungsfähigkeit eines binären Klassifizierungsmodells für alle Schwellenwerte. Lernen Sie, wie man eine ROC-Kurve zeichnet, interpretiert und mit dem AUC-Wert vergleicht.
Die ROC-Kurve zeigt die diagnostische Qualität eines Ja/Nein-Tests an, der eine Entscheidung treffen soll. Sie basiert auf den Quotienten Sensitivität und Spezifität, die die richtigen und falsche Entscheidungen messen.
26. Aug. 2023 · Die ROC Kurve ist eine Metrik zur Bewertung von Klassifizierungsmodellen im Machine Learning. Sie zeigt den Kompromiss zwischen True Positive Rate und False Positive Rate bei verschiedenen Schwellenwerten an.
18. Apr. 2024 · Ausgangspunkt zur Erklärung der ROC-Kurven-Analyse sind die Begriffe Sensitivität, Spezifität und Cut-Off-Punkt, die bereits in einem früheren Newsletterbeitrag erläutert wurden. Die Topics seien kurz wiederholt: Das Finden einer Diagnose kann man als Folge von binären Einzelentscheidungen (Ja/Nein) auffassen.
23. Aug. 2020 · Lernen Sie, wie Sie eine ROC-Kurve in SPSS anwenden, um die Sensitivität und Spezifität eines logistischen Regressionsmodells zu visualisieren. Sehen Sie ein Beispiel mit einem Datensatz über NBA-Spieler und ihre Punkte pro Spiel.
