Donc, j'ai 16 essais dans lesquels j'essaie d'authentifier une personne à partir d'un trait biométrique en utilisant Hamming Distance. Mon seuil est fixé à 3,5. Mes données sont ci-dessous et seul l'essai 1 est un vrai positif:
Trial Hamming Distance
1 0.34
2 0.37
3 0.34
4 0.29
5 0.55
6 0.47
7 0.47
8 0.32
9 0.39
10 0.45
11 0.42
12 0.37
13 0.66
14 0.39
15 0.44
16 0.39
Mon point de confusion est que je ne suis vraiment pas sûr de savoir comment faire une courbe ROC (FPR vs TPR OU FAR vs FRR) à partir de ces données. Peu importe lequel, mais je suis vraiment confus quant à la façon de le calculer. Toute aide serait appréciée.
mathematical-statistics
roc
classification
cross-validation
pac-learning
r
anova
survival
hazard
machine-learning
data-mining
hypothesis-testing
regression
random-variable
non-independent
normal-distribution
approximation
central-limit-theorem
interpolation
splines
distributions
kernel-smoothing
r
data-visualization
ggplot2
distributions
binomial
random-variable
poisson-distribution
simulation
kalman-filter
regression
lasso
regularization
lme4-nlme
model-selection
aic
r
mcmc
dlm
particle-filter
r
panel-data
multilevel-analysis
model-selection
entropy
graphical-model
r
distributions
quantiles
qq-plot
svm
matlab
regression
lasso
regularization
entropy
inference
r
distributions
dataset
algorithms
matrix-decomposition
regression
modeling
interaction
regularization
expected-value
exponential
gamma-distribution
mcmc
gibbs
probability
self-study
normality-assumption
naive-bayes
bayes-optimal-classifier
standard-deviation
classification
optimization
control-chart
engineering-statistics
regression
lasso
regularization
regression
references
lasso
regularization
elastic-net
r
distributions
aggregation
clustering
algorithms
regression
correlation
modeling
distributions
time-series
standard-deviation
goodness-of-fit
hypothesis-testing
statistical-significance
sample
binary-data
estimation
random-variable
interpolation
distributions
probability
chi-squared
predictor
outliers
regression
modeling
interaction
rohanbk
la source
la source
Réponses:
Je suggère ROC Graphs: Notes and Practical Considerations for Reasearchers par Tom Fawcett, vraiment une excellente lecture. Pour autant que je comprends votre question, vous trouverez tout ce dont vous avez besoin dans ce document.
Edit: Inspiré par Adam, je veux également recommander mon R-package préféré pour cette tâche: ROCR .
la source
Pourquoi voulez-vous faire une courbe ROC? Voulez-vous représenter graphiquement la courbe de vos variables dépendantes, ou cherchez-vous à l'utiliser comme statistique de test afin de mesurer la précision de vos prédictions de probabilité (auquel cas vous recherchez l'AUC [zone sous la courbe] ).
Si vous êtes familier avec R, le package de vérification dans R a deux fonctions que vous trouverez utiles: roc.plot (), qui vous permettra de tracer votre courbe ROC, et roc.area () qui vous permettra de calculer l'AUC.
la source