Nonparametric Estimation of ROC curves and Confidence Limits for AUC in STATISTICA

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F07%3A00001871" target="_blank" >RIV/62690094:18450/07:00001871 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Nonparametric Estimation of ROC curves and Confidence Limits for AUC in STATISTICA

Original language description

This paper describes construction of nonparametric receiver operating characteristics curves (ROC) for binary classifiers in STATISTICA. Macro language and built-in functions of the software are used to estimate nonparametric ROC curves, areas under thecurve (AUC) and the standard error of AUC. The macro presented here allows constructing ROC curves for both the parametric and nonparametric classification algorithms implemented in STATISTICA. The nonparametric estimates of the area under the curve (AUC) and its standard error are provided by the macro using Mann-Whitney statistic. A proper approach to construct confidence limits for AUC is given in this paper.

Czech name

Neparametrický odhad ROC křivky a intervaly splehlivosti pro AUC

Czech description

Příspěvek popisuje neparametrický odhad ROC křivky pro binární klasifikátory v software STATISTICA. Makro jazyk a vestavěné funkce tohoto systému mohou být použity k neparametrickému odhadu ROC křivek, ploch pod křivkou (AUC) a směrodatné chyby AUC. Presentované makro umožňuje sestavení ROC křivek pro parametrické i neparametrické klasifikační modely sestavené implementovanými algoritmy ve STATISTICA. K neparametrickému odhadu plochy pod křivkou je použita Mann-Whitney statisitka. V příspěvku je také prezentován naležítý postup konstrukce intervalů spolehlivosti pro plochu pod křivkou.

Type

D - Article in proceedings

CEP classification

BB - Applied statistics, operational research

OECD FORD branch

—

Project

<a href="/en/project/GA402%2F04%2F1308" target="_blank" >GA402/04/1308: Classification models and the assessment of their predictive properties</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2007

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Sborník ke konferenci AIESA 2007

ISBN

978-80-225-2334-9

ISSN

—

e-ISSN

—

Number of pages

4

Pages from-to

32-35

Publisher name

Ekonomická univerzita. Fakulta hospodárskej informatiky

Place of publication

Bratislava

Event location

—

Event date

—

Type of event by nationality

—

UT code for WoS article

—