Métodos y fórmulas para la gráfica de la curva característica operativa del receptor (ROC) para Ajustar modelo y Descubrir predictores clave con Clasificación TreeNet®

Nota

Este comando está disponible con el Módulo de análisis predictivo. Haga doble clic aquí para obtener información sobre cómo activar el módulo.

El procedimiento para los puntos de la curva ROC depende del método de validación. Para una variable de respuesta multinomial, Minitab muestra múltiples gráficas que tratan a cada clase como el evento en turno.

Sin validación

Para la gráfica de un conjunto de datos de entrenamiento, cada punto de la gráfica representa una probabilidad del evento ajustada distinta. La probabilidad del evento más alta es el primer punto de la gráfica y aparece más a la izquierda. Las otras probabilidades del evento están en orden decreciente.

Utilice el siguiente proceso para buscar las coordenadas X y Y para la gráfica.

  1. Utilice cada probabilidad del evento distinta como un valor umbral. Para un valor umbral específico, los casos con una probabilidad estimada del evento mayor que o igual al valor umbral obtienen 1 como la clase pronosticada, 0 en caso contrario. A continuación, puede formar una tabla 2x2 para todos los casos con clases observadas como filas y clases pronosticadas como columnas para calcular la tasa de falsos positivos y la tasa de verdaderos positivos para cada probabilidad del evento. Las tasas de falsos positivos son las coordenadas X de la gráfica. Las tasas de verdaderos positivos son las coordenadas Y.

    Por ejemplo, supongamos que la tabla siguiente resume un modelo con dos predictores categóricos de 2 niveles. Estos predictores dan cuatro probabilidades del evento distintas, que se redondean a 2 decimales:

    A: Pedido B: Predictor 1 C: Predictor 2 D: Número de eventos E: Número de no eventos F: Número de ensayos G: Valor umbral (probabilidad ajustada del evento)
    1 1 1 18 12 30 0.60
    2 1 2 25 42 67 0.37
    3 2 1 12 44 56 0.21
    4 2 2 4 32 36 0.11
    Totales     59 130 189  

    Las siguientes son las cuatro tablas correspondientes con sus respectivas tasas de falsos positivos y tasas de verdaderos positivos redondeadas a 2 decimales:

    Table 1. Valor umbral = 0.60.

    Tasa de falsos positivos = 12 / (12 + 118) - 0.09

    Tasa de verdaderos positivos = 18 / (18 + 41) = 0.31

        Pronosticado
        evento no evento
    Observado evento 18 41
    no evento 12 118
    Table 2. Valor umbral = 0.37.

    Tasa de falsos positivos = (12 + 42) / 130 = 0.42

    Tasa de verdaderos positivos = (18 + 25) / 59 = 0.73

        Pronosticado
        evento no evento
    Observado evento 43 16
    no evento 54 76
    Table 3. Valor umbral = 0.21.

    Tasa de falsos positivos = (12 + 42 + 44) / 130 = 0.75

    Tasa de verdaderos positivos = (18 + 25 + 12) / 59 = 0.93

        Pronosticado
        evento no evento
    Observado evento 55 4
    no evento 98 32
    Table 4. Valor umbral = 0.11.

    Tasa de falsos positivos = (12 + 42 + 44 + 32) / 130 = 1

    Tasa de verdaderos positivos = (18 + 25 + 12 + 4) / 59 = 1

        Pronosticado
        evento no evento
    Observado evento 59 0
    no evento 130 0

Separar el conjunto de datos

Utilice los mismos pasos que en el procedimiento del conjunto de entrenamiento, pero calcule las probabilidades del evento a partir de los casos del conjunto de prueba.

Prueba de validación cruzada con k-fold

Utilice los mismos pasos que en el procedimiento del conjunto de datos de entrenamiento, pero calcule las probabilidades del evento de los casos para el conjunto de datos con validación cruzada.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política