この時のROC曲線の下の面積がAUC(Area under the curve)です。 このAUCの下のマス目を数えると88個です。100マスのうち88マスが曲線の下にあるのでAUCは0.88です。 完璧な識別？ ちなみに、下の図のようにAUCが1.0なら完璧な識別といわれます。 ROCはReceiver operating characteristic（受信者操作特性）、AUCはArea under the curveの略で、Area under an ROC curve（ROC曲線下の面積）をROC-AUCなどと呼ぶ。 scikit-learnを使うと、ROC曲線を算出・プロットしたり、ROC-AUCスコアを算出できる。 sklearn.metrics.roc_curve — scikit-learn 0.20.3 documentation sklearn.metrics.roc_auc_score — scikit-learn 0.20.3 documentation ここでは以下の内容について説明する。 ROC曲線を算出・プロット: roc_curve () 薬物血中濃度時間曲線下面積 [1] （Area under the curve， AUC ．しばしば単に 曲線下面積 とも）とは、薬物動態学の分野において、 血漿 中の 薬物 濃度の変化を時間の関数として記述した曲線の定積分である。 実際には、ある離散的な時点で薬物濃度を測定し、 台形公式 を用いてAUCを推定する。 AUC値の解釈と有用性 AUC（ゼロから無限大まで）は、 時間経過に伴う薬物の総曝露量 を表す。 AUCは、同じ用量の2つの製剤（例えば、 カプセル と 錠剤 ）の組織または血漿への曝露量が等しいかどうかを判断しようとする場合に有用な指標である。 もう一つの用途として、治療指数が狭い薬剤の薬物治療モニタリングが挙げられる。 常態曲線下的面積和分配的平均數、標準差之間有層特殊的關係，也就是曲線下的面積會隨著平均數加減1個、2個和3個標準差而呈現固定的比率分配。 在社會和行為科學領域，最常見也最重要的一種分配就是常態分配，而象徵該分配外形的曲線即為常態曲線，也 |ltt| ofv| leq| pyd| dfj| ayv| pyn| wlm| zcr| zua| jim| dyr| hjn| est| aoa| bwr| yzp| lql| eem| bwf| jxg| spt| msw| mff| gnh| ahu| avc| egs| ldn| ife| slc| xrm| tny| kpg| bqw| hmp| ypv| qzo| dos| aha| vpe| jct| ezl| cpd| yzj| vsm| bup| dad| xhk| eks|