Ich habe also 16 Studien, in denen ich versuche, eine Person anhand eines biometrischen Merkmals mithilfe von Hamming Distance zu authentifizieren. Mein Schwellenwert ist auf 3,5 eingestellt. Meine Daten sind unten und nur Versuch 1 ist ein wahres Positiv:
Trial Hamming Distance
1 0.34
2 0.37
3 0.34
4 0.29
5 0.55
6 0.47
7 0.47
8 0.32
9 0.39
10 0.45
11 0.42
12 0.37
13 0.66
14 0.39
15 0.44
16 0.39
Mein Punkt der Verwirrung ist, dass ich wirklich unsicher bin, wie ich aus diesen Daten eine ROC-Kurve (FPR vs. TPR ODER FAR vs. FRR) erstellen soll. Es ist nicht wirklich wichtig, welches, aber ich bin nur wirklich verwirrt darüber, wie ich es berechnen soll. Jede Hilfe wäre dankbar.
mathematical-statistics
roc
classification
cross-validation
pac-learning
r
anova
survival
hazard
machine-learning
data-mining
hypothesis-testing
regression
random-variable
non-independent
normal-distribution
approximation
central-limit-theorem
interpolation
splines
distributions
kernel-smoothing
r
data-visualization
ggplot2
distributions
binomial
random-variable
poisson-distribution
simulation
kalman-filter
regression
lasso
regularization
lme4-nlme
model-selection
aic
r
mcmc
dlm
particle-filter
r
panel-data
multilevel-analysis
model-selection
entropy
graphical-model
r
distributions
quantiles
qq-plot
svm
matlab
regression
lasso
regularization
entropy
inference
r
distributions
dataset
algorithms
matrix-decomposition
regression
modeling
interaction
regularization
expected-value
exponential
gamma-distribution
mcmc
gibbs
probability
self-study
normality-assumption
naive-bayes
bayes-optimal-classifier
standard-deviation
classification
optimization
control-chart
engineering-statistics
regression
lasso
regularization
regression
references
lasso
regularization
elastic-net
r
distributions
aggregation
clustering
algorithms
regression
correlation
modeling
distributions
time-series
standard-deviation
goodness-of-fit
hypothesis-testing
statistical-significance
sample
binary-data
estimation
random-variable
interpolation
distributions
probability
chi-squared
predictor
outliers
regression
modeling
interaction
Rohanbk
quelle
quelle
Antworten:
Ich schlage ROC-Grafiken vor: Hinweise und praktische Überlegungen für Forscher von Tom Fawcett, wirklich eine ausgezeichnete Lektüre. Soweit ich Ihre Frage verstehe, finden Sie in diesem Dokument alles, was Sie brauchen.
Bearbeiten: Inspiriert von Adam Ich möchte auch mein Lieblings-R-Paket für diese Aufgabe empfehlen : ROCR .
quelle
Warum möchten Sie eine ROC-Kurve erstellen? Möchten Sie die Kurve für Ihre abhängigen Variablen grafisch darstellen oder möchten Sie sie als Teststatistik verwenden, um die Genauigkeit Ihrer Wahrscheinlichkeitsvorhersagen zu messen (in diesem Fall suchen Sie nach der AUC [Bereich unter der Kurve] ).
Wenn Sie mit R vertraut sind, bietet das Überprüfungspaket in R zwei nützliche Funktionen: roc.plot (), mit dem Sie Ihre ROC-Kurve zeichnen können, und roc.area (), mit dem Sie berechnen können die AUC.
quelle