TreeNet^® 分類による適合モデルおよび主要な予測変数を検出の受信者動作特性(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。

検証なし

トレーニングデータセットのグラフでは、グラフ上の各点は、個別の適合値の事象確率を表します。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。他の事象確率は、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

トレーニングセット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。

K分割交差検証を使用したテスト

トレーニングデータセットの手段と同じ手順を使用しますが、交差検証データのケースから事象確率を計算します。

TreeNet® 分類による適合モデルおよび主要な予測変数を検出の受信者動作特性(ROC)曲線チャートの方法と式

注

検証なし

別のテストセット

K分割交差検証を使用したテスト

TreeNet^® 分類による適合モデルおよび主要な予測変数を検出の受信者動作特性(ROC)曲線チャートの方法と式