ROC-анализ Опции

[Nerbi]

Здравствуйте! Подскажите, корректно ли строитьROC-кривую без проведения логистической регрессии и можно ли для построения ROC-кривой использовать значение признака (например, возраст или уровень гликемии, или скорость клубочковой фильтрации) с целью определения того значения признака, которое бы служило порогом, влияющим на исход заболевания?

[leo_biostat]

Здравствуйте! Подскажите, корректно ли строитьROC-кривую без проведения логистической регрессии и можно ли для построения ROC-кривой использовать значение признака (например, возраст или уровень гликемии, или скорость клубочковой фильтрации) с целью определения того значения признака, которое бы служило порогом, влияющим на исход заболевания?

Nerbi, !

Без использования логистической регрессии ROC-кривые можно построить отдельно для каждого признака (переменной). Тогда как используя логистическую регрессию, ROC-кривая строится более продуктивно, учитывая все признаки, вошедшие в уравнение. Напомню, что эти признаки, называемые предикторами, существенно повышают степень взаимосвязи зависимой переменной от набора предикторов. Нежели степень взаимосвязи зависимой переменной и ОДНОГО признака. Пример такой взаимосвязи можете прочитать в статьях про логистическую регрессию, в частности по адресу http://www.biometrica.tomsk.ru/logit_4.htm

Успеха, Nerbi!

Сообщение отредактировал leo_biostat - 8.11.2017 - 13:57

[p2004r]

Nerbi, !

Без использования логистической регрессии ROC-кривые можно построить отдельно для каждого признака (переменной). Тогда как используя логистическую регрессию, ROC-кривая строится более продуктивно, учитывая все признаки, вошедшие в уравнение. Напомню, что эти признаки, называемые предикторами, существенно повышают степень взаимосвязи зависимой переменной от набора предикторов. Нежели степень взаимосвязи зависимой переменной и ОДНОГО признака. Пример такой взаимосвязи можете прочитать в статьях про логистическую регрессию, в частности по адресу http://www.biometrica.tomsk.ru/logit_4.htm

Успеха, Nerbi!

1) Сваливать в одну модель склонную к переобучению все независимые переменные вместе крайне плохой совет, стратегия которая ведет к переподгонке и полной неинформативности модели.

2) Ну а включение в модель логично начинать с показателей которые что то гарантированно значат для зависимой переменной.

Так что не могу не порекомендовать снова library(Boruta) https://m2.icm.edu.pl/boruta/ и аналогичные пакеты реализующие идею feature selection.

Примеры использования в статьях https://scholar.google.com/scholar?cites=13...968550215677895

Сообщение отредактировал p2004r - 8.11.2017 - 14:58