Random Forests^® 分類の受信者動作特性 (ROC) 曲線チャートの方法と式

注

このコマンドは、予測分析モジュールで使用できます。モジュールをアクティブにする方法については、ここをクリックしてください。

ROC曲線上の点に関する手順は、検証方法によって異なります。多項応答変数の場合、Minitabでは、各クラスを順番に事象として扱う複数のチャートが表示されます。

このトピックの内容

アウトオブバッグ検証

フォレスト内の特定のツリーに対して、アウトオブバッグデータの行に対するクラス投票は、単一ツリーの行の予測クラスです。アウトオブバッグデータの行の予測クラスは、フォレスト内のすべてのツリーで最も高い投票数を持つクラスです。アウトオブバッグデータの行の予測クラス確率は、クラスの投票数と行の総投票数の比率です。

アウトオブバッグデータの曲線では、グラフ上の各点は、個別の予測クラス確率を表します。最高の事象確率は、チャート上の最初の点で、左端に表示されます。他の確率は降順です。

次の手順に従って、グラフのx座標とy座標を見つけます。

すべての個別事象確率をしきい値として使用します。ある特定のしきい値に関して、推定された事象確率がしきい値以上の場合は予測クラスとして1となり、それ以外の場合は0となります。次に、観測されたクラスを行とし、予測されたクラスを列として、すべての場合に対して2x2の表を形成し、各ターミナルノードに関連する偽陽性率と真陽性率を計算できます。偽陽性率は、チャートのx座標です。真正のレートはy座標です。

たとえば、次の表に、2つの2水準のカテゴリ予測変数がある単純なモデルを要約するとします。これらの予測変数は、小数点以下2桁に丸められた4つの異なる事象確率を示します。

A：順序	B：予測変数1	C：予測変数2	D：事象数	E：非事象数	F：試行回数	G：しきい値（適合事象確率）
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
合計			59	130	189

次に、対応する4つの表と、それぞれの偽陽性率と真陽性率を小数点以下2桁で示します。

表 1. しきい値 = 0.60.
偽陽性率 = 12 / (12 + 118) = 0.09

真陽性率 = 18 / (18 + 41) = 0.31
		予測値
		事象	非事象
観測	事象	18	41
観測	非事象	12	118

表 2. しきい値 = 0.37.
偽陽性率 = (12 + 42) / 130 = 0.42

真陽性率 = (18 + 25) / 59 = 0.73
		予測値
		事象	非事象
観測	事象	43	16
観測	非事象	54	76

表 3. しきい値 = 0.21.
偽陽性率 = (12 + 42 + 44) / 130 = 0.75

真陽性率 = (18 + 25 + 12) / 59 = 0.93
		予測値
		事象	非事象
観測	事象	55	4
観測	非事象	98	32

表 4. しきい値 = 0.11.
偽陽性率 = (12 + 42 + 44 + 32) / 130 = 1

真陽性率 = (18 + 25 + 12 + 4) / 59 = 1
		予測値
		事象	非事象
観測	事象	59	0
観測	非事象	130	0

別のテストセット

アウトオブバッグの場合と同じ手順を使用しますが、テストセットのケースから事象確率を計算します。

Random Forests® 分類の受信者動作特性 (ROC) 曲線チャートの方法と式

注

このトピックの内容

アウトオブバッグ検証

別のテストセット

Random Forests^® 分類の受信者動作特性 (ROC) 曲線チャートの方法と式