论文部分内容阅读
ROC曲线是研究二分类问题中一种简便、高效的综合性工具,它通过连接真阳率与假阳率在不同切断点或者阈值下的值,构造出一条单调递增曲线,曲线下的面积AUC即可作为衡量诊断效果的指标,面积数值越大,则代表该分类方法越有效。ROC曲线在算法效度研究,心理测评,[1]临床医学诊断中都有广泛的应用。本文简单介绍了ROC曲线的构造方法、基本性质和实际意义,并以生物医学和机器学习的三个例子深入介绍了不同情形下ROC曲线的应用,最后总结ROC曲线的优缺点和应用场景。