Hur man beräknar Noggrannhet Från en ROC Curve

Den relativa kurva , eller ROC -kurvan , är förhållandet mellan sant positiva och falska positiva i ett system . Ett system kan detektera en positiv när det verkliga värdet är negativt , vilket är ett falskt positivt . En sann - positiv uppstår när det verkliga värdet är positivt och som identifieras som positivt . Noggrannheten för ROC -kurvan är ett mått på hur väl systemet upptäcker faktiska värden , och det kan beräknas genom att lösa en enkel equation.Things Du behöver
ROC Curve
Betyg faktiska positiva
Rate faktiska negativa
Visa fler Instruktioner
1

Hitta en punkt på ROC -kurvan som du vill kontrollera riktigheten av . Den horisontella axeln i ROC kurvan visar graden av sanna - positiva i detekteringssystemet , och den vertikala axeln visar andelen falskt positiva .
2

Bekanta dig med exakthet ekvationen för ROC kurvor . Denna ekvation är förhållandet mellan sanna - positiva plus true - negativa till faktiska positiva plus verkliga negativa. Ekvationen ser ut så här , där TP är sant - positiv , är TN true- negativa , är P faktiskt positiv , och N är faktiskt negativ . P + N är också lika med det totala antalet utförda mätningar av systemet. Om du inte har de exakta värdena för P eller N , kan du falla tillbaka på totalt antal mätningar och använda den i stället för ( P + N ) .

ACC = ( TP + TN ) /( P + N ) Addera 3

Lägg antalet sanna - positiva att antalet sanna - negativ. Anta till exempel att antalet sanna - positiva är 46 och sann - negativ är 23 . Lägga dessa två tillsammans ger ett värde på 69 .
4

Lägg antalet faktiska positiva till antalet faktiska negativ. Anta till exempel att det fanns faktiskt 50 positiva och 30 negativa. Lägga dessa tillsammans resulterar i ett värde på 80 .
5

Dela summan av sanna - positiva och sanna - negativ med summan av de faktiska positiva och negativa. Fortsätter med exemplen ovan , skulle du dela 69 med 80 , vilket ger en noggrannhet på 0,8625 .
6

Analysera noggrannhetsvärde . Den närmare noggrannheten är till 1,00 , desto mer exakt systemet är på att förutsäga sant - positiva och sanna - negativ. Addera