Diskussion:ROC-Kurve

Deutsche bezeichnung für Receiver Operating Characteristic

Hallo, gibt es einen Deutschen begriff für die ROC- Kurve? Ich habe mir mal Empfänger-Betriebsmerkmal zusammengereimt. Kann das hinhauen?

--kptGismo 20:49, 22. Apr. 2008 (CEST)

Interessant. Hat aber rein gar nichts mit Receiver=Radioempfangsteil zu tun. Insofern nicht geeignete Übersetzung. Meines Wissens gibt es kein deutsches Fachwort in solcher prägnanter Kürze.--Wikipit

Historisch schon. Das kommt aus der Signalübertragung, korrekt übertragene Bits vs. inkorrekt übertragene Bits. Ein gutes Signal macht wenig Fehler. Vielleicht wäre etwas wie "Empfangscharakteristik" oder so machbar, aber mir ist nichts übliches bekannt. Angewendet wird es aber in der Tat sehr oft ohne den Bezug zu einem "Empfänger". --Chire 17:28, 21. Mär. 2010 (CET)

Unverständlich

Der Artikel auf sich allein gestellt bringt nicht genug Erklärungen um den Inhalt geeignet zu erfassen. Konkret außerdem noch:

„Das theoretische Optimum des Testgrenzwerts ermittelt man dann aus dem Kontaktpunkt einer 45° ansteigenden Tangente (3) mit der ROC-Kurve, […]“

Was wird hier mathematisch optimiert?

--chrislb 问题 10:03, 8. Aug 2006 (CEST)

Das hättest Du auch ohne "Unverständlich" fragen können. Deine Meinung ist mir unverständlich.
In der Einleitung steht doch, daß diese Methode der Grenzwertoptimierung dient.
Das grafische Beispiel ist eindeutig ausformuliert. Hier ging es um einen Tumormarker CA15-9 aus dem Serum, dessen Grenzwertbestimmung zwischen normal und krank im Sinne der These, wozu dieser Test dienen sollte, noch nicht empirisch sicher ermittelt war.

Nach mathematisch-statistischer Theorie (=theoretisch) liegt der Grenzwert optimal (=das Optimum) am Kontaktpunkt einer Tangente mit Anstieg 1.
Weil diese Theorie weder schulisches Allgemeinwissen noch alltäglich ist, wird sie häufig zunächst nicht verstanden. Eigentlich aber ist sie mit Schulmathematik nach kurzem Einlesen zu begreifen und sehr einfach in der Handhabung. Alle weitergehenden anderen mathematischen Methoden, die natürlich auch zum Ziel führen, sind erheblich schwieriger. --Wikipit 10:26, 9. Aug 2006 (CEST)

Solange nicht feststeht, daß ich lediglich über Schulmathematik verfüge, könntest du meine Kritik zum Anlass nehmen den Artikel verständlicher zu schreiben. --chrislb 问题 10:38, 9. Aug 2006 (CEST)

Ich hatte die ersten Fassungen geschrieben, weil ROC in der Artikelwuschliste stand und sich offenbar kein Statistiker der Sache annahm. Ich habe mein Bestes getan. Wenn Du oder irgendjemand sich in der Lage fühlt, den Inhalt besser oder korrekter darzustellen, steht dem doch nichts entgegen.
Bitte werde hier nicht persönlich (nicht feststeht, daß ich lediglich über Schulmathematik verfüge). Ich habe hier und andernorts gar nichts über Dein persönliches Wissen ausgesagt!
Meine Äußerung erfolgte, weil ich Deine Kritik nicht verstand, sie war zu unkonkret, und ich befürchtete, dass durch Deine Artikelmerkmalsgebung eine vorzeitige automatische Löschung erfolgen könnte. Dafür war mir meine Mühe (Zeichnung, Umwandlung der Graphik, Textformulierung) zu schade.
Ich habe überhaupt das Gefühl, dass in letzter Zeit meine kleinen Beiträge und Kommentare verletzend aufgefasst werden, obwohl ich wörtlich gar nichts Negatives zur Person des Kontrahenten äußerte. Vielleicht diskutieren wir objektiv weiter.--Wikipit 22:57, 10. Aug 2006 (CEST)

Was ist ein "dichotomen (semi-)quantitativen Merkmal"

Wird hier nicht erklärt. Der Link weist nicht daruaf hin. Was ist ein Beispiel dafür? --Chrisqwq 17:03, 13. Nov. 2006 (CET)

Der kritisierte Link führt doch zu einer ganzen Sammlung von Beispielen! Nur leider zu keiner Begriffserklärung, das stimmt.
dichotom - zweigeteilt (griech.), "zweiarmig"
semi - halb (griech.), nicht ganz
quantitativ - bemessbar, mit Einheiten zählbar

Dieser Test kann nämlich nur an "zählbaren" Merkmalen sinnvoll eingesetzt werden, die letztendlich zur 2-Klassenbildung beitragen können. Am demonstrierten Beispiel wird die optimierte Trennung erläutert.
Nicht gezeigt wird, wann man den Test nicht (!) durchführen kann oder sollte. Das ergibt sich aus dem Inhalt:
1. Wenn es keine (halb)bemessbare Trenngröße gibt
2. Wenn die resultierende Kurve keine konvexe Krümmung aufweist.--Wikipit 09:51, 15. Nov. 2006 (CET)

Methode zur Bewertung von Analysestrategien ?

"... Methode zur Bewertung und Optimierung von Analyse-Strategieen.
Diese Aussage ist sehr allgemein und umfassend. Kann man wirklich Analysestrategien mit einer ROC-Kurve bewerten? Mich stört Strategien in diesem Zusammenhang.--Wikipit 11:44, 2. Feb. 2007 (CET)--Wikipit 11:22, 9. Feb. 2007 (CET)

Abhängigkeit der Effizienz und Fehlerrate

Welche Effizienz, welche Fehlerrate? Links?--Wikipit 11:51, 2. Feb. 2007 (CET)

Youden-Index

"...Beispiel den sog. Youden-Index. Dieser berechnet sich aus Sensitivität(Fraktion%)+Spezifität(Fraktion%)-1. An dem Punkt, an dem der Index maximal (optimalerweise =1) ist, befindet sich der optimale Grenzwert." hier Zitatende
Soll dies etwa heißen:
Youden-Index=Sensitivität(Fraktion%)+Spezifität(Fraktion%)-1 ??
Ist es nicht vielmehr so, daß (ganz in Übereinstimmung mit der Grafik) es heißen müßte:

Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \mathrm \frac{\mathrm d(Sensitivitaet)}{\mathrm d(Spezifitaet)} = 1}

Ich habe die Formel jetzt nicht weiter geprüft. Aber: man sucht den Punkt, der möglichst weit links oben in der Ecke ist. Da die Spezifiztät invers an der X-Achse angetragen wird, macht RelativeSensitivität + RelativeSpezifität Sinn. Ob in diesem Punkt die Steigung 1 ist, spielt keine Rolle. Die ROC-Kurve ist i.d.R. nicht stetig differenzierbar, sondern Treppenstufen. --Chire 19:39, 21. Mär. 2010 (CET)

Anwendung als Qualitätsmaß

" Der entscheidende Vorteil der Verwendung der ROC AUC gegenüber beispielsweise der reinen Fehlklassifikationsrate ist, dass hier der Parameterwert entfällt, während letztere immer nur für einen einzelnen konkreten Parameterwert berechnet werden kann. Ein hoher ROC AUC-Wert bedeutet anschaulich „für geeignete Wahl des Parameters ist das Ergebnis gut“. "

Diesen Absatz find ich nicht gut gelungen. Tatsache ist, daß auch die ROC-Kurvenanwendung einen (!) Optmalwert zur Trennung erzielen will. Kann man deshalb das, was man ausrücken wollte, nicht anders formulieren? Sogar der Begriff "hoher ROC-AUC-Wert" ist schlecht gewählt. Wurde nicht gerade zuvor ausgiebig erläutert, daß 0 ebenso gut wie 1 ist, was also ist ein hoher ROC-AUC-Wert, der besonders gut sein soll. Nur 0,5 ist schlecht. Es geht doch darum, darauf hinzuweisen, daß eine große Abweichung der ROC-Kurve von einer Geraden die optimale Voraussetzung ist, um mit ROC eine optimale Entscheidung herbeiführen zu können. Ich habe es jetzt geometrisch ausgedrückt, aber das kann man xepert sicher auch algebraisch machen oder? --(nicht signierter Beitrag von Wikipit (Diskussion | Beiträge) 17:12, 1. Dez. 2010 (CET))

Schlechtes Zahlenbeispiel

Ich finde es gut, dass da ein Zahlenbeispiel mit einer Suchmaschine ist, die 10 Treffer in 100 hat und dann auf der ersten Seite sind 7 relevante Ergebnisse und dann kommen die Koordinaten... Leider sind auf der ersten Seite auch 10 Ergebnisse dargestellt und diese Zahl stimmt gerade mit der Zahl der Gesamttreffer in den 100 überein. Kann man da nicht einfach beispielsweise 12 daraus machen, dann kann es zu keiner Verwechslung kommen welche Zahlen wo zum rechnen eingesetzt werden.--Do ut des (Diskussion) 18:47, 5. Jun. 2013 (CEST)

Unklarer Satz in der Einleitung

In der Einleitung steht: Die ROC-Kurve stellt visuell die Abhängigkeit der Effizienz mit der Fehlerrate für verschiedene Parameterwerte dar.

Die Formulierung ist so nicht korrekt. Was ist wovon abhängig? Die Effizient von der Fehlerrate? Beides von den Parameterwerten? --Jazzman 11:32, 22. Okt. 2016 (CEST)

Erklärendes Bild

Ich habe gerade folgendes Bild erstellt:

Soll ich das nochmal auf deutsch machen? Ist das dann für diesen Artikel interessant? --Martin Thoma 21:54, 24. Jun. 2018 (CEST)