Métodos e fórmulas para o gráfico de curva característica de operação do receptor (ROC) para Classificação Random Forests^®

Observação

Este comando está disponível com o Módulo de análise preditiva. Clique aqui saber mais sobre como ativar o módulo.

O procedimento para os pontos na curva ROC depende do método de validação. Para uma variável resposta multinomial, o Minitab, por sua vez, exibe vários gráficos que tratam cada classe como o evento.

Neste tópico

Validação com dados usando método out-of-bag

Para uma determinada árvore na floresta, um voto de classe para uma linha nos dados out-of-bag é a classe predita para a linha da única árvore. A classe predita para uma linha em dados out-of-bag é a classe com o maior voto em todas as árvores da floresta. A probabilidade de classe predita para uma linha nos dados out-of-bag é a razão do número de votos para a classe e o total de votos para a linha.

Para a curva dos dados out-of-bag, cada ponto no gráfico representa uma probabilidade de classe predita distinta. A probabilidade do evento mais alta é o primeiro ponto no gráfico e aparece mais à esquerda. As outras probabilidades estão em ordem decrescente.

Use o seguinte processo para encontrar as coordenadas x e y do gráfico.

Use cada probabilidade de evento distinta como um limite. Para um limite específico, casos com probabilidade de evento estimada maior ou igual ao limite recebem 1 como a classe predita, 0 em qualquer outro caso. Depois disso, você pode formar uma tabela 2x2 para todos os casos com classes observadas como linhas e classes preditas como colunas para calcular a taxa de falsos positivos e a taxa de positivos verdadeiros para cada probabilidade do evento. As taxas de falsos positivos são as coordenadas x do gráfico. As taxas de positivas verdadeiros são as coordenadas y.

Por exemplo, suponha que a tabela a seguir sumariza um modelo simplista com dois preditores categóricos de 2 níveis. Estes preditores dão quatro probabilidades distintas de eventos, que são arredondadas para duas casas decimais:

A: Ordem	B: Preditor 1	C: Preditor 2	D: Número de eventos	E: Número de não eventos	F: Número de ensaios	G: Limite (probabilidade de evento ajustada)
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
Totais			59	130	189

A seguir estão as quatro tabelas correspondentes com suas respectivas taxas falsos positivos e taxas de positivos verdadeiros arredondadas para duas casas decimais:

^^^Table : 1. Limite = 0,60.
Taxa de falsos positivos = 12 / (12 + 118) = 0,09

Taxa de positivos verdadeiros = 18 / (18 + 41) = 0,31
		Predito
		evento	não evento
Observado	evento	18	41
Observado	não evento	12	118

^^^Table : 2. Limite = 0,37.
Taxa de falsos positivos = (12 + 42) / 130 = 0,42

Taxa de positivos verdadeiros = (18 + 25) / 59 = 0,73
		Predito
		evento	não evento
Observado	evento	43	16
Observado	não evento	54	76

^^^Table : 3. Limite = 0,21.
Taxa de falsos positivos = (12 + 42 + 44) / 130 = 0,75

Taxa de positivos verdadeiros = (18 + 25 + 12) / 59 = 0,93
		Predito
		evento	não evento
Observado	evento	55	4
Observado	não evento	98	32

^^^Table : 4. Limite = 0,11.
Taxa de falsos positivos = (12 + 42 + 44 + 32) / 130 = 1

Taxa de positivos verdadeiros = (18 + 25 + 12 + 4) / 59 = 1
		Predito
		evento	não evento
Observado	evento	59	0
Observado	não evento	130	0

Conjunto de teste separado

Use as mesmos passos do procedimento out-of-bag, mas calcule as probabilidades de evento a partir dos casos no conjunto de teste.

Métodos e fórmulas para o gráfico de curva característica de operação do receptor (ROC) para Classificação Random Forests®

Observação

Neste tópico

Validação com dados usando método out-of-bag

Conjunto de teste separado

Métodos e fórmulas para o gráfico de curva característica de operação do receptor (ROC) para Classificação Random Forests^®