Linear Regression 美 [ˈlɪniər] [rɪˈɡrɛʃən] : 线性回归 Loss funcition 美 [lɔs] [ˈfʌŋkʃən] : 损失函数 Gradient Descent 美[ˈɡrediənt] [dɪˈsɛnt] : 梯度下降 Model 美 [ˈmɑdl] : 模型 本文是对李宏毅教授课程的笔记加上自己的理解重新组织，如有错误，感谢指出。视频及 P
转载
2024-05-26 17:03:24
210阅读
我们知道ROC曲线常用来分析某连续变量用于疾病诊断的价值，有时候诊断价值往往受某些变量的影响。比如，MMSE用于痴呆筛查的诊断价值，可能与人群年龄分布、教育程度分布相关。为了验证这一假说，我们可以绘制分组ROC曲线进行直观的观察，并可进行曲线下面积的比较。以stata软件为例，首先通过“文件-导入”读取数据，小编读取的spss数据。该数据中，y为疾病状态(痴呆、非痴呆)、H1mo为MMSE量表得分
转载
2024-05-16 12:09:08
137阅读
案例描述：在一个传染病数据集中，有80000个标签为不是传染病的记为负例（negtive），150个标签为是传染病的记为正例（positive），实际上我们的目标就是第一，在测试集测试的时候让这些正样本能够尽可能多得预测出来（TP）。第二，我们不希望模型把一个正常样本预测为有传染病（FP）（那不得把人吓死）。在目标第一点第二点中都提到了正例，说明影响模型可靠性的也是这些正例，我们的关注点也正是这些
转载
2024-09-07 16:03:48
200阅读
# 实现Python Cox回归ROC曲线
## 流程概述
在实现Python Cox回归ROC曲线时，我们需要按照以下步骤进行操作。首先，我们需要准备数据集，并进行Cox回归模型的拟合。然后，我们可以利用模型的预测结果计算出ROC曲线并绘制出来。
## 步骤表格
| 步骤 | 操作 |
| ---- | ---- |
| 1 | 导入必要的库 |
| 2 | 准备数据集 |
| 3 | 拟合
原创
2024-05-09 05:59:30
146阅读
分类模型评估：指标描述Scikit-learn函数Precision精准度from sklearn.metrics import precision_scoreRecall召回率from sklearn.metrics import recall_scoreF1F1值from sklearn.metrics import f1_scoreConfusion Matrix混淆矩阵from sklea
前面介绍了logistic回归的DCA的5种绘制方法，今天学习下cox回归的DCA绘制方法。也是有多种方法可以实现，但我比较推荐能返回数据，用ggplot2自己画的那种。 生存资料的DCA方法1方法2方法3方法4 生存资料的DCA方法1使用dcurves包,使用的数据集是包自带的df_surv数据集，一共有750行，9列，其中ttcancer是时间，cancer是结局事件，TRUE代表有癌症，
转载
2024-05-04 16:47:06
247阅读
.ROC 上回我们提到，ROC曲线就是不同的阈值下，以下两个变量的组合（如果对Sensitivity和Specificity两个术语没有概念，不妨返回，《分类模型的性能评估——以SAS Logistic回归为例(1): 混淆矩阵》，强烈建议读者对着看）： Sensitivity（覆盖率，True Positive Rate） 1-Specificity (Specificity, 负例的覆盖率，
转载
2024-08-23 07:43:32
87阅读
说清楚了ROC曲线的映射关系TPR=f(FPR)以后，我们来结合逻辑斯蒂回归来对ROC曲线进行说明。假如现在有一个二分类问题，是对来就诊的病人进行一个检查。如果检测结果数值很高，则患病的概率就很高；反之则患病的概率很低。现在我们收集到了7为患者的检测结果，其中367号患者是真的患病了(y=1)，1245则没有患病(y=0)。现在我们对其进行逻辑回归，得到了图中的逻辑回归曲线。如我们前面说过的，这个
转载
2024-01-05 21:06:37
74阅读
1.分组数据的Logistic回归 例1： 在一次住房展销会上,与房地产商签订初步购房意向书的共有名 顾客,在随后的3个月的时间内,只有一部分顾客确实购买了房屋.购买了房屋的顾客记为1,没有购买房屋的顾客记为0,以顾客的年家庭收入为自变量x,对下面表所示的数据, x n m p y
1 1.5 25 8 0.32 -0.753771802
2 2.5 32 13 0.4
转载
2024-05-13 09:52:42
77阅读
文章目录一、逻辑回归简介二、逻辑回归的数学原理1. Sigmoid函数2. 预测回归与分类的转化3. 似然函数4. 求偏导和参数更新5. S o f t m a x SoftmaxSoftmax 多分类
三、Python实现逻辑回归和 s o f t a m x softamxsoftamx 多分类总结
一、逻辑回归简介在机器学习中，我们需要大量样本数据去训练模型来使模型
转载
2023-09-15 19:35:09
141阅读
ROC 曲线（接收者操作特征曲线）是一种显示分类模型在所有分类阈值下的效果的图表。该曲线绘制了以下两个参数：真正例率假正例率真正例率 (TPR) 是召回率的同义词，因此定义如下：
$$TPR = \frac{TP} {TP + FN}$$
假正例率 (FPR) 的定义如下：
$$FPR = \frac{FP} {FP + TN}$$
ROC 曲线用于绘制采用不同分类阈值时的 TPR 与 FPR。降
转载
2023-09-27 10:57:13
201阅读
逻辑回归之ROC曲线的绘制关于ROC曲线的绘制过程，通过以下举例进行说明假设有6次展示记录，有两次被点击了，得到一个展示序列（1:1,2:0,3:1,4:0,5:0,6:0），前面的表示序号，后面的表示点击（1）或没有点击（0）。然后在这6次展示的时候都通过model算出了点击的概率序列。下面看三种情况。1 曲线绘制1.1 如果概率的序列是（1:0.9,2:0.7,3:0.8,4:0.6,5:0.
转载
2023-10-20 10:37:16
248阅读
**逻辑回归与ROC曲线绘制**
# 引言
逻辑回归是一种常用的分类算法，它被广泛应用于机器学习和数据分析领域。逻辑回归的目标是通过建立一个线性模型，将输入特征映射到一个概率输出，然后利用这个概率输出进行二分类。ROC曲线（Receiver Operating Characteristic Curve）是一种用于评估分类模型性能的曲线，它能够直观地展示分类器在不同阈值下的真阳性率和假阳性率之间的
原创
2023-09-14 21:21:55
287阅读
Lasso 是一种估计稀疏线性模型的方法.由于它倾向具有少量参数值的情况，对于给定解决方案是相关情况下，有效的减少了变量数量。 因此，Lasso及其变种是压缩感知(压缩采样)的基础。在约束条件下，它可以回复一组非零精确的权重系数（参考下文中的 CompressIve sensing(压缩感知：重建医学图像通过lasso L1））。用数学形式表达，Lasso 包含一个使用 先验
转载
2024-05-11 08:56:14
563阅读
1.背景介绍随着数据量的增加，机器学习和深度学习技术已经成为了处理大规模数据的关键技术。预测模型在实际应用中具有重要的地位，但是预测模型的性能是否优化，对于实际应用的效果具有重要的影响。在这篇文章中，我们将讨论如何通过ROC曲线来优化预测模型。ROC(Receiver Operating Characteristic)曲线是一种用于评估二分类分类器的图形表示，它可以帮助我们了解模型在不同阈值下的性
文章目录前言一、摘要二、正文1.引言A.背景介绍B.本文贡献2.数学公式与问题陈述3.SCR（Secondary coordinate reference）坐标系4.归一化总结参考文献 前言以下为大家解读一篇2020年6月份收录于Institution of Mechanical Engineers（目前影响因子1.533）的关于无人驾驶路径规划方面的文章《 SCR-Normalize: A no
逻辑回归（LR）目标：1 逻辑回归介绍1.1 介绍及应用1.2 原理1.3 损失及优化2 逻辑回归API2.1 API3 分类评估方法3.1 分类评估3.2 ROC曲线3.3 AUC指标4 ROC曲线的绘制4.1 曲线绘制4.2 意义 目标：知道逻辑回归的损失函数和优化方法知道sigmoid函数知道逻辑回归的应用场景应用LogiticRegression实现逻辑回归预测知道精确率、召回率指标的区
转载
2024-04-07 12:51:45
131阅读
1.什么是ROC: ROC曲线：接收者操作特征曲线(receiver operating characteristic curve)，是反映敏感性和特异性连续变量的综合指标，roc曲线上每个点反映着对同一信号刺激的感受性。2.如果学习ROC，首先必须知道什么：TPR，什么是FPR。 TPR的英文全称为：True Positive Rate FPR的英文全称
转载
2023-11-08 09:07:32
402阅读
# 使用Python进行逻辑回归及ROC曲线分析
逻辑回归是一种用于分类问题的统计技术，尤其适用于二分类情况。在本文中，我们将深入探讨如何使用Python实现逻辑回归，并且如何通过ROC曲线来评估模型的性能。我们将以一个简单的示例开始，从数据准备到模型训练，再到评估，我们将依次进行。
## 逻辑回归与ROC曲线
**逻辑回归**在数学上使用逻辑函数（Sigmoid函数）将输入映射到输出概率。
原创
2024-08-31 09:14:52
160阅读
大名鼎鼎的生存分析来咯！今天我就不叭叭叭了，咱们直接开始冲！（字有点多，希望大家不要嫌弃！）提前说一句，我们今天介绍的K-M曲线主要用于比较不同组别生存曲线之间的差异，如果你想评估不同变量对生存时间的影响，建议使用Cox比例风险回归模型生存分析是什么看下面这张图！漂亮不啦！今天咱们就一起来看看，如何才能得到它！在临床研究中，我们常常关注一些重要的结局事件，比如死亡、疾病复发、症状消失、疾病痊愈等。
