ROC křivky pro klasifikační algorimy ve Statistica Data Miner

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F07%3A00001869" target="_blank" >RIV/62690094:18450/07:00001869 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

ROC Curves for the Classification Algorithms in STATISTICA Data Miner

Popis výsledku v původním jazyce

This paper describes the use of the macro language STATISTICA Visual Basic to construct receiver operating characteristics curves (ROC) for both the parametric and nonparametric classification algorithms implemented in the statistical and data mining software STATISTICA. ROC curves are widely used as a tool to evaluate classification models, but STATISTICA has an option of ROC curves only for neural networks. The macro presented here allows constructing the ROC curve for any classification model that provides estimates of the posterior probabilities. It displays the ROC curves in a single graph, therefore the classifiers comparison is facilitated. The nonparametric estimates of the area under the curve (AUC) and its standard error are provided by the macro using Mann-Whitney statistic. These estimates are used to construct the confidence limits for the area under the curve and can be used to test the hypothesis for the difference of AUC between two ROC curves provided that the ROC curv

Název v anglickém jazyce

ROC Curves for the Classification Algorithms in STATISTICA Data Miner

Popis výsledku anglicky

This paper describes the use of the macro language STATISTICA Visual Basic to construct receiver operating characteristics curves (ROC) for both the parametric and nonparametric classification algorithms implemented in the statistical and data mining software STATISTICA. ROC curves are widely used as a tool to evaluate classification models, but STATISTICA has an option of ROC curves only for neural networks. The macro presented here allows constructing the ROC curve for any classification model that provides estimates of the posterior probabilities. It displays the ROC curves in a single graph, therefore the classifiers comparison is facilitated. The nonparametric estimates of the area under the curve (AUC) and its standard error are provided by the macro using Mann-Whitney statistic. These estimates are used to construct the confidence limits for the area under the curve and can be used to test the hypothesis for the difference of AUC between two ROC curves provided that the ROC curv

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

<a href="/cs/project/GA402%2F04%2F1308" target="_blank" >GA402/04/1308: Klasifikační modely a porovnání jejich prediktivních vlastností</a><br>

Návaznosti

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

Rok uplatnění

2007

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 6th International Conference Aplimat 2007

ISBN

978-80-969562-4-1

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

363-368

Název nakladatele

Slovak University of Technology

Místo vydání

Bratislava

Místo konání akce

—

Datum konání akce

—

Typ akce podle státní příslušnosti

—

Kód UT WoS článku

—