Delong test比较两个ROC曲线的性能

已于 2023-10-07 14:20:11 修改
阅读量2.8w 收藏 39
点赞数 4
分类专栏： machine learning theory 文章标签： Delong test ROC
于 2019-04-11 17:09:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/z13653662052/article/details/89215196
版权

我们知道ROC曲线的性能可以通过曲线下面积即AUC来得到，那么如何通过统计学的角度来比较两个ROC曲线呢，这里说的就是Delong test，可以得到两个曲线的P值，p<0.05可以看作两个曲线有较大差异。

Matlab代码见GitHub - PamixSun/DeLongUI

可以得到曲线的AUC值，方差和两个曲线的协方差，p值

Delong test的具体理论可见：sci-hub.tw

R语言deLong‘s test：通过统计学的角度来比较两个ROC曲线、检验两个ROC曲线的差异是否具有统计显著性
statistics+insight+vista+power
02-28 919
R语言deLong's test：通过统计学的角度来比较两个ROC曲线、检验两个ROC曲线的差异是否具有统计显著性
python语言deLong‘s test：通过统计学的角度来比较两个ROC曲线、检验两个ROC曲线的差异是否具有统计显著性
data+scenario+science+insight
10-27 4331
python语言deLong's test：通过统计学的角度来比较两个ROC曲线、检验两个ROC曲线的差异是否具有统计显著性 目录 python语言deLong's test：通过统计学的角度来比较两个ROC曲线、检验两个ROC曲线的差异是否具有统计显著性 #deLong's test #仿真数据 #deLong's test假设检验方案1 #deLong's test假设检验方案2 #deLong's test假设检验方案3（R代码示例） #deLong's..
Delong检验
Lantary的博客
10-26 4960
用于比较两个ROC曲线的性能，Delong检验是用于AUC面积的显著性检验的。如果两个模型的AUC大小有异但是没有通过Delong检验，那么也不能说明这两个模型有显著的不同。总之，Delong检验就是一种统计学上用于检验AUC显著性的检验方法。
DeLong测试 计算两个ROC曲线之间的统计意义
热门推荐
sunflower_sara的机器学习园地
05-16 3万+
本人原帖首发于丁香园。 投了一篇文章，审稿意见说我给出的3个不同模型的roc曲线之间不能只比较AUC，需要看不同ROC的统计意义 问了一下别人查了半天才知道DeLong测试是什么。 看了 Genetic Variants in Fanconi Anemia Pathway GenesBRCA2 and FANCA Predict Melanoma Survival 这个文章，知道...
ROC(AUC)的显著性检验
医学和生信笔记的博客
09-15 9451
本文首发于公众号：医学和生信笔记 “ 医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。 R语言临床预测模型系列文章，目前已更新20+篇内容，持续更新中，欢迎订阅！ 今天说一说ROC(AUC)的比较。 二分类资料的ROC比较 可以通过pROC包实现的，使用其中roc.test()函数可实现两个ROC 的Delong检验。 使用pROC包的aSAH数据，其中outcome列是结果变量，1代表Goo
Delong test
liuqiang3的博客
11-02 2万+
最近需要做AUC的显著性检验，delong test是比较常见的AUC显著性检验的方法。我大体研究了一下。 原理： 1.以两个不同的模型对肿瘤良恶性进行分类，其中vgg的AUC为A1A_1A1​,svm结果得到的AUC为A2A_2A2​，delong test就是首先计算两者AUC差值θ=A1−A2\theta = A_1-A_2θ=A1​−A2​ 2.然后根据计算出A1A_1A1​和A2A_2...
R语言生成多模型预测结果仿真数据、使用pROC包计算每一个模型的roc曲线，使用roc.test函数对两个模型roc曲线执行德龙检验（delong test）
statistics+insight+vista+power
06-12 4830
R语言生成多模型预测结果仿真数据、使用pROC包计算每一个模型的roc曲线，使用roc.test函数对两个模型roc曲线执行德龙检验（delong test）
DeLong检验
Fred114的博客
02-14 3027
Delong检验 理论背景   假设一个NNN个个体的样本进行了一个测试，以预测感兴趣的事件或确定是否存在疾病，并且该测试基于一个连续值诊断变量。我们将遵循以下惯例，即假设测试变量的较高值与感兴趣的事件相关，例如，阳性疾病状态。也假设它可以通过独立于测试的方法来确定。   样本中中有mmm个人真正经历了这个事件或有了这个条件，该组别用C1C_1C1​表示，让没有这个条件的n(=N−m)n(=N-m)n(=N−m)名个体的组用C2C_2C2​表示。设Xi(i=1,2,...,m)X_i(i = 1,2,...
解决ROC曲线画出来只有一个点的问题
09-17
ROC曲线（Receiver Operating Characteristic Curve）是评估二分类模型性能的一种重要工具，它通过展示真正例率（True Positive Rate, TPR）与假正例率（False Positive Rate, FPR）之间的关系，来帮助分析模型在...
逻辑回归临床预测模型lasso回归变量筛选roc曲线定制Delong检验
04-28
r语言建立逻辑回归临床预测模型 + lasso回归变量筛选+ roc曲线绘制+roc统计检验
roc_comparison:DeLong方法的快速版本，用于计算未调整的AUC的协方差
05-26
用于通过ROC AUC比较两组预测的统计显着性的算法的Python实现。 还可以计算单个ROC AUC估计值的方差。
ROC.rar_ROC performance_ROC曲线_性能曲线_边缘检测_边缘检测 性能
07-15
ROC（Receiver Operating Characteristic）曲线是评估二分类模型性能的重要工具，尤其在图像处理和边缘检测领域中广泛应用。本文将详细解析ROC曲线的概念、生成过程以及如何在MATLAB环境中使用它来评估边缘检测的...
R语言deLong‘s test：使用自定义函数检验两个ROC曲线的差异是否具有统计显著性、比较两个或多个相关ROC曲线的AUC的非参数检验
statistics+insight+vista+power
02-25 528
R语言deLong's test：使用自定义函数检验两个ROC曲线的差异是否具有统计显著性、比较两个或多个相关ROC曲线的AUC的非参数检验
绘制并比较两条ROC曲线的AUC或偏AUC差异
CodeGu的博客
08-26 639
在R语言中，可以使用pROC包来绘制和比较两条ROC曲线的AUC（Area Under the Curve）或偏AUC（Partial Area Under the Curve）的差异。要比较两条ROC曲线的AUC或偏AUC的差异，可以使用pROC包的roc.test()函数进行假设检验。需要注意的是，如果希望比较偏AUC的差异，可以在roc.test()函数中设置partial.auc参数为TRUE，并指定感兴趣的偏AUC的起始和终止阈值。绘制并比较两条ROC曲线的AUC或偏AUC差异。
R语言-ROC的比较-delong检验
xxx
09-23 668
【代码】R语言-ROC的比较-delong检验。
Delong检验AUC之间的比较
weixin_73101319的博客
12-24 1299
然后选ROC curves 下的Comparision of ROC curves进入以下界面。然后我使用MedCalc进行了比较，结果是一致的。ROC的显著性检验：Delong test。
医学统计python之ROC比较：Delong test
grouper2013的博客
12-30 5108
def roc_test_r(targets_1, scores_1, targets_2, scores_2, method='delong'): # method: “delong”, “bootstrap” or “venkatraman” importr('pROC') robj.globalenv['targets_1'] = targets_1 = robj.FloatVector(targets_1) robj.globalenv['scores_1'] = s...
delong德隆检验 python实现
最新发布
09-23
Delong检验是一种非参数方法，用于比较两个独立样本在二分类预测变量上，模型A和模型B的优劣。它通常用于评估两个预测模型的区分能力。Python中可以使用`scipy.stats`库中的`ranksums()`函数来进行Delong检验。 以下是一个简单的Python实现示例： ```python from scipy import stats # 假设我们有模型A和模型B的预测结果，分别存储在df_model_a和df_model_b中 model_a_pred = df_model_a['predicted_prob'] model_b_pred = df_model_b['predicted_prob'] # 对于二分类任务，我们可以取0.5作为阈值将概率转换为类别 model_a_labels = (model_a_pred > 0.5).astype(int) model_b_labels = (model_b_pred > 0.5).astype(int) # 使用ranksums()函数计算两组预测的秩和检验统计量和p-value statistic, p_value = stats.ranksums(model_a_labels, model_b_labels) # 输出结果 print("Delong检验统计量:", statistic) print("P-value:", p_value)
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值