w*******e
发帖数: 666 | 1 我目前在做有没有一个marker对某病的判别有没有差别的小project。原来的model（包
含age BMI ，family history etc）做出来AUC 0.842.在原来的model里加了这个
marker之后，AUC 反而降低了编程0.838.我一直觉得加了一个变量后，AUC不管增加得
多少肯定是增加。请问有可能会减少吗？ |
|
A*******s
发帖数: 3942 | 2 AUC衡量的就是模型的rank ordering的能力
AUC最大的模型，
不意味着会给出关于患病风险的最准确的posterior prob estimates
但是它一般会给出按照风险从高到低排列最准确的一个序列
用misclassification rate，
还是用AUC，
或者用sensitivity, specificity
都得看实际需要吧 |
|
e*****y
发帖数: 131 | 3 请问怎么算auc in repeated measures model? 看了一篇sugi paper,用里面的方法算
了一下，和proc logistic 算出来的 auc 比, 结果好像差得很远.
谢谢！ |
|
b*******t
发帖数: 390 | 4 用的SAS 中的Proc logistic，selection=stepwise 筛选变量。
加进去有8个左右变量，有4个有显著性差异，还有两个有interaction。
Goodness-of-fit test P value 远大于0.05，是好的。
但是有个问题ROC曲线中AUC只有0.61，不是太好。
用的data， sample size比较大（30k以上）,大部分的variables是categorical变量。
试了很多变量，AUC总是0.60-0.61左右，加入的变量多点，好像会稍微高点。
本来以为是因为有些变量的某些Group sample size太小，会有影响，所以干脆把一些
group何并了。但是发现好像还是差不多。
现在不知道该怎么办了，所以来请教大家。谢谢！ |
|
|
Y******Y
发帖数: 8753 | 6 auc减少了有可能是因为你增加的那个biomarker对某些subjects有missing values,所以
你的new models实际用的数据小了，虽然多了一个covariate.
查查看是不是这样 |
|
B****n
发帖数: 11290 | 7 應該不是一定增加
AUC是表示隨機選一個人 正確判別他有沒有病的機率
比方說你用logistic regression來作分析 機率大於0.5屬於某一group
試想 如果你的model只和其中少數幾個因子有關 你加了一堆在你的模型 那肯定會影響
你模型裡參數估計的準確性 進而會降低你判別的準確性 只是說只多加一些很少數的因
子對估計影響通常很小 因此你看到的0.842和0.838差不多也不足為奇 反之 如果某一
重要的因子不在Model裡 那可能對判別率就會有很大的影響 |
|
A*******s
发帖数: 3942 | 8 ranking loss 不一定等于 likelihood/entropy loss
你加多一个变量，likelihood必然是增加的
但是AUC就不一定了。 |
|
A*******s
发帖数: 3942 | 9 AUC比较好的解释应该是这样的吧
随机选一对positive/negative的组合，
模型把positive排在negative前面的概率
你的解释应该是misclassification rate吧 |
|
B****n
发帖数: 11290 | 10 如果這樣的話 就不會追求AUC最大的診斷方式了 |
|
r***c
发帖数: 398 | 11 AUC = WILCOXON U statistic.
standard theory, |
|
k****i
发帖数: 347 | 12 具体来说，我不理解的是，AUC是ROC曲线下的面积，也就是sensitivity的积分；c-
statistics是percent of concordant pairs among all possible pairs。那么两个是
怎么联系起来的。为什么相等？
我也知道很多人都说他们是一样的，也相信他们是一样的。就是水平太低，不理解为什么
be |
|
w*******9
发帖数: 1433 | 13 You should be able to prove P(x>y)=\int F(t)d(1-G(t)) here F and G are
surviving prob of x and y. Note that F is the specificity. 1-G is the
sensitivity, so the integral is the AUC while P(x>y) is the prob of
observing a concordant pair.
什么 |
|
r******0
发帖数: 357 | 14 it does not make any sense to talk about accuracy without specifying a
certain false positive rate (1-specificity). AUC is the Area Under ROC curve
, a good measure of the performance. |
|
t*****a
发帖数: 459 | 15 这个要知道更多的背景情况才可以讨论啊。如果只有8个predicting variable，有没有
可能有其他重大影响因素没有包括在model里呢？如果涵盖不全，那只调整现有的
variable效果也有限。有显著性差异的，odds ratio是多少呢？同一领域的研究，多高
的AUC是公认的好？
有interaction的情况，有时候可以做一个index，把几个variable的效果综合起来。不
过这个还是得看具体情况。 |
|
m******r
发帖数: 1033 | 16 最近闭门造车，不接电话，不回电邮，不上网， 死几百咧，造了个模型，先用线性逻
辑回归，试来试去，性能不理想，AUC大概63% . 这也没什么奇怪的，并不是给你一堆
数，就能造个模型出来。 反正试来试去，就这一个变量可用，, 假定为A, AUC = 63%
然后我就用xgboost, 我的妈，AUC一下上升到95%， 96%，97%， 98%， 因为编程太弱
，我的土方法是：一个变量一个变量试， 都是manual work, 每次只跑一个变量，记录
重要结果，保存在excel里。 最终结果是：仅用A变量，AUC = 95%, 在此基础上加上一
点别的变量， AUC 很快飞涨到97%, 98%
我知道这种基于树的模型容易过度拟合, 就特意找了好几年前的老数据（真实数据）测
试。 测试的AUC性能一点都不下降， 和原来的差距小于1%. 所以不能说是过度拟合。
现在问题来了，我想来想去不明白为什么这个变量用在xgb有这么高的AUC? 不明白xgb
施了什么法术？向业务部门也很难解释，做个简单的tabulation, 能依稀看出一些
trend (这到能说明 线性回归下此变量达到AUC = 63... 阅读全帖 |
|
n******g
发帖数: 2201 | 17 你的变量大概是target 的别名 比如用每分钟速度预测时速 当然很准
[在 magliner (magliner) 的大作中提到：]
:最近闭门造车，不接电话，不回电邮，不上网， 死几百咧，造了个模型，先用线性逻
:辑回归，试来试去，性能不理想，AUC大概63% . 这也没什么奇怪的，并不是给你一堆
:数，就能造个模型出来。 反正试来试去，就这一个变量可用，, 假定为A, AUC = 63%
:然后我就用xgboost, 我的妈，AUC一下上升到95%， 96%，97%， 98%， 因为编程太弱
:，我的土方法是：一个变量一个变量试， 都是manual work, 每次只跑一个变量，记
录重要结果，保存在excel里。 最终结果是：仅用A变量，AUC = 95%, 在此基础上加上
一点别的变量， AUC 很快飞涨到97%, 98%
:我知道这种基于树的模型容易过度拟合, 就特意找了好几年前的老数据（真实数据）
测试。 测试的AUC性能一点都不下降， 和原来的差距小于1%. 所以不能说是过度拟合。
:现在问题来了，我想来想去不明白为什么这个变量用在xgb有这么高的AUC? 不明白xg... 阅读全帖 |
|
g****t
发帖数: 31659 | 18 还得考虑你分钟级别数据的variance啊。不是光速度就够了。
: 你的变量大概是target 的别名 比如用每分钟速度预测时速 当然很准
: [在 magliner (magliner) 的大作中提到：]
: :最近闭门造车，不接电话，不回电邮，不上网， 死几百咧，造了个模型，先用
线性逻
: :辑回归，试来试去，性能不理想，AUC大概63% . 这也没什么奇怪的，并不是给
你一堆
: :数，就能造个模型出来。 反正试来试去，就这一个变量可用，, 假定为A, AUC
= 63%
: :然后我就用xgboost, 我的妈，AUC一下上升到95%， 96%，97%， 98%， 因为编
程太弱
: :，我的土方法是：一个变量一个变量试， 都是manual work, 每次只跑一个变
量，记
: 录重要结果，保存在excel里。 最终结果是：仅用A变量，AUC = 95%, 在此基础
上加上
: 一点别的变量， AUC 很快飞涨到97%, 98%
: :我知道这种基于树的模型容易过度拟合, 就特意找了好几年前... 阅读全帖 |
|
m******r
发帖数: 1033 | 19 再过来请教大家一次。
xgb.dump不知谁用过没有 ？ 就是把xgb的模型输出成一堆决策树(forest). 用xgb.
train的时候，程序提示如下：
Stopping. Best iteration:
[170] train-auc:0.844678
[171] train-auc:0.844678
[172] train-auc:0.844678
[173] train-auc:0.844678
Stopping. Best iteration:
[73] train-auc:0.844718
让人不理解的是，xgb.dump 导出来的树(是个简单的文本文件， nodes, leafs, etc)
有75棵。 难道不应该是73棵么？ 一棵树对应一个iteration.
文本文件的后半部分如下， 大家帮忙看看。
booster[73]
0:[f0<0.183333] yes=1,no=2,missing=1,gain=0.218959,cover=1687.94
1:leaf=0.0465228,cover=8.03316
2:[f... 阅读全帖 |
|
g****t
发帖数: 31659 | 20 老数据新数据混合测一下？
我怀疑除了overfitting之外。
是不是可能这本身就是个不复杂的问题，你的线性回归方法部分
漏了什么。所以只有63% auc
线性方法结果好的，别的什么办法出来的结果往往都不错。
: 不想摊子铺的太大。 adaptive regression 我在别的项目试验过， sas
9.4 恰
好有这
: 个功能 (忘了proc name, 请自行google， 大概叫transreg ? ).
: 除了AUC, 就看4几条curve, true positive/false positive, grains
chart,
lift
: curve, precision/recall. 曲线美的像是从photoshop里加工过。
: 我一看AUC就知道这几条曲线差不了。 因为我做类似项目很长时间了，看
看AUC
心里就
: 有数了，一般85%以上性能会很好。 75%以上是大多数结果，65%以上勉强
可用
最好不
: 用。 低于65%, 比较差劲 别跟人说这是你做的, 丢人。
: 问题现在是指标太好。... 阅读全帖 |
|
G***G
发帖数: 16778 | 21 I don't understand how to order the label in ROCR package in order to
get the correct result. I am wondering whether you can help me.
library(ROCR)
data(ROCR.simple)
pred <- prediction(ROCR.simple$predictions,ROCR.simple$labels)
svm.auc <- performance(pred, 'tpr', 'fpr')
plot(svm.auc)
#####label
ROCR.simple$labels[ROCR.simple$labels=="0"]="tumor"
ROCR.simple$labels[ROCR.simple$labels==1]="normal"
pred <- prediction(ROCR.simple$predictions,ROCR.simple$labels)
svm.auc <- performance(pred, 'tpr', ... 阅读全帖 |
|
w*******e
发帖数: 666 | 22 刚开始学习R，主要是想用survivalROC package。想请教下面两个问题，非常感谢！
第一个问题：
我做10年和1年的time dependt ROC得到的AUC 一样。我用的是survial ROC guide上的
code。做十年的时候只是把cutoff改成了3650还有year改成了10。不知道是不是还有什
么需要改的，为什么结果完全没有区别？
第二个问题是：我使用survivalROC 是因为我用传统的ROC 做出来我正在研究的那个
marker对outcome的AUC只有0.5几。做survivalROC 做出来也只有0.5几。有朋友提了下
面建议，说在其他factor加进去的时候看AUC是多少，然后再把我正在做的marker加进
去。看AUC能增加多少。我想请问survivalROC有这个功能吗？我在网上搜索到的资料就
只有这个package的guide。所以，不太清楚该怎么做，我是否找到了正确的package！ |
|
G***G
发帖数: 16778 | 23 I don't understand how to order the label in ROCR package in order to
get the correct result. I am wondering whether you can help me.
library(ROCR)
data(ROCR.simple)
pred <- prediction(ROCR.simple$predictions,ROCR.simple$labels)
svm.auc <- performance(pred, 'tpr', 'fpr')
plot(svm.auc)
#####label
ROCR.simple$labels[ROCR.simple$labels=="0"]="tumor"
ROCR.simple$labels[ROCR.simple$labels==1]="normal"
pred <- prediction(ROCR.simple$predictions,ROCR.simple$labels)
svm.auc <- performance(pred, 'tpr', ... 阅读全帖 |
|
D**g
发帖数: 739 | 24 Did you use SAS? If you use SAS, you should be able to get AUC (area under
curve) from output. If AUC is lower than 0.7, then the test may not be a
good discrimination tool. http://gim.unmc.edu/dxtests/ROC3.htm )
In addition, getting a significant association using logistic regression
doesn't guarantee a good accuracy of diagnosis, especial when your data came
from a design which is not for the purpose of diagnosis.A significant
effect and a satisfied AUC are two different things.
By the way, i... 阅读全帖 |
|
A*******s
发帖数: 3942 | 25 这篇文章解释了给定misclassification rate的情况下AUC的分布
http://books.nips.cc/papers/files/nips16/NIPS2003_AA40.pdf
可以看到AUC's std会因为rare event而变大
我不知道有没有类似的讨论Bernoulli likelihood和AUC的paper，不过直觉上
Bernoulli likelihood其实就是error rate的一个continuous and differentiable
approximation, 也许关系会比较类似，这也和我记忆里，做weight adjustment或者调
整cost function一般有助于提高AUC的经验（不过经验很有限）相符。 |
|
A*******s
发帖数: 3942 | 26 这篇文章解释了给定misclassification rate的情况下AUC的分布
http://books.nips.cc/papers/files/nips16/NIPS2003_AA40.pdf
可以看到AUC's std会因为rare event而变大
我不知道有没有类似的讨论Bernoulli likelihood和AUC的paper，不过直觉上
Bernoulli likelihood其实就是error rate的一个continuous and differentiable
approximation, 也许关系会比较类似，这也和我记忆里，做weight adjustment或者调
整cost function一般有助于提高AUC的经验相符。 |
|
f*******n
发帖数: 2665 | 27 多谢！！！下面是我写的function， output 是一个list，包含两项，一个是AUC，另
一个是pred, 是prediction(）的结果。 function和output 都没有问题。可是我需要
用plot(performance(pred，...)),而pred是list，类型不符，这个问题如何解决？请
赐教！
modelscore<- function(model) {
pr <- predict(rpart, newdata=newdata[ , c(input, target)])[,2]
# ignore missing target values.
no.miss <- na.omit(newdata[ , c(input, target)]$goodbad)
miss.list <- attr(no.miss, "na.action")
attributes(no.miss) <- NULL
if (length(miss.list)) {
pred <- prediction(pr[-miss.list], no.miss)
} else ... 阅读全帖 |
|
f*******n
发帖数: 2665 | 28 这是程序和错误信息，多谢！
> modelscore<- function(model, newdata) {
+ pr <- predict(rpart, newdata=newdata[ , c(input, target)])[,2]
+ # ignore missing target values.
+ no.miss <- na.omit(newdata[ , c(input, target)]$goodbad)
+ miss.list <- attr(no.miss, "na.action")
+ attributes(no.miss) <- NULL
+ if (length(miss.list)) {
+ pred <- prediction(pr[-miss.list], no.miss)
+ } else {
+ pred <- prediction(pr, no.miss)
+ }
+
+ auc<-performance(pred,'auc')@y.values[[1]]
+
+ newlist<-list(pred,auc)
+ return (newlist... 阅读全帖 |
|
发帖数: 1 | 29 想跟人说，
In the univariate case, odds-ratio and AUC of ROC curve mean the same thing,
although they are based on different thinking.
这对吗？有没有反例，很significant的odds ratio，但auc很差的？当然，必须是
sample size一
样的情况下。
比如都是sample size 100，一个data odds ratio很significant，auc很差；另一个
data odds
ratio一般significant，但auc很好？有没有这种可能？
为什么不说大小？因为连续predictor，odds ratio跟单位有关。没法说大小。
谢谢！ |
|
|
m******r
发帖数: 1033 | 31 不想摊子铺的太大。 adaptive regression 我在别的项目试验过， sas 9.4 恰好有这
个功能 (忘了proc name, 请自行google， 大概叫transreg ? ).
除了AUC, 就看4几条curve, true positive/false positive, grains chart, lift
curve, precision/recall. 曲线美的像是从photoshop里加工过。
我一看AUC就知道这几条曲线差不了。 因为我做类似项目很长时间了，看看AUC心里就
有数了，一般85%以上性能会很好。 75%以上是大多数结果，65%以上勉强可用 最好不
用。 低于65%, 比较差劲 别跟人说这是你做的, 丢人。
问题现在是指标太好。 要是别人给我看这种结果，我会怀疑这人是不是在忽悠我。 |
|
i**f
发帖数: 1195 | 32 add global option when you define a module..
try this:
/* Define the Integrand in AUC Quaduature */
%MACRO TPR(FPR, alpha, beta);
1-1/(1+exp((log(&FPR./(1-&FPR.))+&alpha.)*exp(&beta./2)));
%MEND TPR;
DATA eval;
input alpha beta;
cards;
2.6728 -0.1220
;
RUN;
PROC IML;
use eval;
read all;
print alpha beta;
start fun(FPR) global(alpha,beta);
TPR=%TPR(FPR, alpha, beta);
return(TPR);
finish;
/* Call QUAD */
bound = { 0 1 };
call quad(AUC, "fun", bound) eps=1E-10;
print AUC;
QUIT; |
|
j*******g
发帖数: 2140 | 33 thanks. Several People mentione AUC here? Why using AUC? what is the
advantage of using AUC for this type of problem?
as
time |
|
d*******o
发帖数: 493 | 34 不太懂你这个领域的建模。像你这样的binary model评价应该是sensitivity和
specificity的平衡，比如AUC。像Kdd cup2009的AUC baseline是0.6-0.7，获奖的队在
AUC都在0.85左右。
你balance的目地是想牺牲sensitivity换specificity吧？最好构建一个weight matrix
，用profit lift去评价模型。
话说回来，2%的sensitivity也太低了，false negative rate=0.98，这样的模型似乎
很难用。 |
|
R******d
发帖数: 1436 | 35 做100次prediction就有100个prediction score，平均起来。AUC就是根据这个100个值
的平均
值来算的。
AUC好像还是受skewed data影响的。
这个有出处么，俺的印象中都是AUC和sensitivity和specificity的组合有关, is not
sensitive to imbalances in the data
像
吗？ |
|
w*******e
发帖数: 666 | 36 刚开始学习R，主要是想用survivalROC package。想请教下面的问题，非常感谢！
我做10年和1年的time dependt ROC得到的AUC 一样。我用的是survial ROC guide上的
code。做十年的时候只是把cutoff改成了3650还有year改成了10。不知道是不是还有什
么需要改的，为什么结果完全没有区别？
code 如下：
library(survivalROC)
nobs <- NROW(ggtno)
cutoff <- 365
score1= survivalROC(Stime=ggtno$time,
status=ggtno$censor,
marker = ggtno$score,
predict.time = cutoff,span = 0.25*nobs^(-0.20) )
plot(score1$FP, score1$TP, type="l", xlim=c(0,1), ylim=c(0,1),
xlab=paste( "FP", "\n", "AUC = ",round(score1$AUC,3))... 阅读全帖 |
|
A*******s
发帖数: 3942 | 37 rank ordering看的是AUC啊，AUC本来就对应Wilcoxon rank-sum test，这不也是
nonparametric test么？
KS看的是score's ability to separate good and bad。 为啥说它意义不大呢？
1. AUC的实际意义是--the probability of ranking good ahead of bad, KS对应的实
际意义是啥呢？
2. 这个东西只告诉你maximum distance of two EDFs是多少，但是这个maximum
distance出现在哪里呢？除了这点之外，两个EDF在其他地方是不是well separated的
？这两个问题的答案对于银行里model driven operation and strategy可是有很大影
响的。
我也是混银行的，不过银行搞统计的只是沧海一栗而已。 |
|
w****j
发帖数: 5581 | 38 嗯，很有意思的话题。从词源来看，中国这边的历史这个词里，史最先出现。史通事，
甲骨文里这两个字相近。说文解字里面说：史，記事者也。也就是说史就是过去发生的
事件的记录。历史这个词好像是三国志里面裴注引吴书：“﹝吴王﹞志存经略，虽有余
闻，博览书传历史，藉采奇异，不效主胜寻章摘句而已”。这里的历字当指历法，也就是
说强调按时间来记述过去发生的事件。在西方，History这个词的词源是希腊词
historia，本意是研究，调查。这也就看出来东西方史学在源头上有所不同。中国强调
记录，西方强调追本溯源。这样说下来，中国这边古史的纪年精确一些也不奇怪。希腊
史方面大家谈的比较多了，我没啥新东西可贡献的。就罗马史而言，有一个很方便的纪
年方式，那就是共和后一年一次的执政官选举。说那一年就对应那一年的执政官。执政
官的列表是由祭司团来保存的，这个档案自Battle of Allia罗马被攻破之后是完整和
可信的。之前有纪念碑，家族传说之类的材料可供整理，但精确性是可以怀疑的。另外
，古罗马历史学家还使用AUC纪年，也就是Ab Urbe Condita，也就是罗马建城纪年。现
在一般认为AUC=75... 阅读全帖 |
|
A*C
发帖数: 64 | 39 【 以下文字转载自 WashingtonDC 讨论区 】
发信人: AUC (AUC), 信区: WashingtonDC
标 题: garage door replacement
发信站: BBS 未名空间站 (Fri Feb 27 12:02:56 2015, 美东)
plan to replace the garage door, not sure which company to choose.
anyone had this experience?
appreciate for any recommendation |
|
s*****o
发帖数: 1540 | 40 给我站内发信,告诉我你能审那一篇的编号．要求
１：PHD already or almost obtained in CS or EE。为保证审稿质量，必须是相关专
业的。不可能给其它无关专业博士审理，见谅。
2: let me know your edas id. (If you don't have an edas, I assume you are
not working in these fields).
Send me the number of the paper to my mitbbs mailbox.
Two conferences are regular quality conference.
------------ conference 1 due Aug 23 -----------
A) Performance of Multipath Congestion Control, Wireless Networks, "linked
increases" algorithm (MPTCP-LIA), "opportunistic linked increases... 阅读全帖 |
|
A*C
发帖数: 64 | 41 【 以下文字转载自 Living 讨论区 】
发信人: AUC (AUC), 信区: Living
标 题: GFE
发信站: BBS 未名空间站 (Wed Jun 10 00:33:10 2015, 美东)
请大拿看一下 多谢！
Loan 520k, 30年 4.125在MD 是不是还有更好的
ORIGINATION CHARGES
Processing Fee Borrower $550.00
Underwriting Fee Borrower $895.00
Closing/Escrow Fee Borrower $699.00
Lender's Title Insurance Borrower $1,436.20
Owner's Title Insurance Borrower $1,706.30
oORIGINATION CHARGES 是不是有点多
还有owner title insurance 一般不是seller 付的吗 |
|
c***i
发帖数: 123 | 42 发现，早晨吃西红柿能够使其中的抗氧化物质番茄红素发挥更好的抗氧化功能，并且番
茄红素在早晨吸收效率最高。
目前已有研究证明，人体内对营养素的消化、吸收与代谢等在一天之内会随时间的不同
而有所波动，不同的时间带相同营养素的吸收率存在差距。因此，选择营养素最易被吸
收的时间带摄入该种营养素最有益。由此，日本KAGOME公司针对西红柿中富含的番茄红
素在体内的时间与吸收率展开调查。
调查将实验小鼠分为早晨组、中午组和晚上组，分别给每一组小鼠摄入6克混入了西红
柿冻结干燥粉的饲料，这样持续喂养4周后，对小鼠血液中番茄红素的浓度推移进行记
录调查。
结果显示，在摄入含西红柿的饲料后，早晨组的小鼠比中午组和晚上组的小鼠3小时候
血液中番茄红素浓度更高。除此之外，根据计算番茄红素吸收量指标——血中浓度曲线
下面积（AUC）得出的结论也显示，早晨吃西红柿值最高，番茄红素的吸收量最多。
因此KAGOME公司研究人员认为，早晨吃西红柿比在中午、晚上吃更能够促进番茄红素在
体内的吸收效率，吸收量也有所增加。番茄红素无论是在抑制黑色素生成方面，还是抑
制胶原蛋白减少方面都卓有成效，也因此，西红柿也成为女性们美... 阅读全帖 |
|
k****f
发帖数: 3794 | 43 还有roc，auc，pr auc，都是很无聊的概念。 |
|
k****f
发帖数: 3794 | 44 还有roc，auc，pr auc，都是很无聊的概念。 |
|
m******r
发帖数: 1033 | 45 上来给大家汇报一下工作。
一开始我也以为overfit了，哪里出了错。仔细检查了代码，整个过程没什么错误。 虽
然这是个比较大的项目，很多代码copy来copy去 但是我造这个模型用的是最近12月的
数据， 真正的测试数据是更早的数据：前24个月到前12个月。 也就是我造模型的数据
在我的硬盘里，测试的数据在数据库里躺着呢。
这简直就是物理隔离啊。
今天我把测试的12个月数据每个月单独拎出来测一遍。 这样每个月只有1K~2K人群
samplesize应该算很小了，结果目测还是很好的，反正就那10个数从100%递减到0%, 按
score_rank递减，我连AUC都懒得看，因为趋势是很明显的。
于是我就这样给老板交差了。
还有一个原因是这个xgb做的模型是其中一个部分，大部分还是用回归做的。 如果所有
模型都得到这么高的AUC, 我还真发毛了。 |
|
T**********t
发帖数: 1604 | 46 主要是仪器比较delicate吧，容易坏。所以帮我做AUC的那个实验室是有专人负责跑AUC
的，别人只管提供样品，不能插手仪器操作。就这样那仪器还三天两头坏掉。。。 |
|
K******S
发帖数: 10109 | 47 好多人作DIA认为就用一个通用的方法分析所有的样品就行,其实DIA的方法一样需要优
化.
SWATH一般用比较宽的Isolation Window, 25 Th左右, Thermo管他们家的DIA叫Psmart,
一般用窄的Isolation Window, 5-10 Th. Isolation Window越宽,灵敏度和肽段的坚定
就越差,但是可以很快地覆盖整个Mass Range. 窄的Isolation Window可以增加灵敏度
和坚定的成功率,但需要很多的Scan才能覆盖整个Mass Range. 定量的时候用AUC比用
Intensity要好,要得到好的AUC的话需要至少7-10个Data Points覆盖真个LC PEAK. 所
以实际上DIA要根据LC PEAK WIDTH, Mass Range和DIA Isolation Window, Duty Cycle
Time什么的作优化. Fusion的速度肯定会有很大的帮助,而且High Field Orbitrap会
在肽段鉴定的时候有帮助(因为现在DIA大多数时候是和Spectral Library Match,不是... 阅读全帖 |
|
k**********d
发帖数: 72 | 48 红色字的部分 PS WHO 0-2 and Stage iii Bwet or iv.
PS? Bwet 到底是什么
还有caboplatin卡铂 5 AUC day
AUC是什么
请赐教！ |
|
d****y
发帖数: 2180 | 49 不是什么牛人. 不过觉得你可能要多学学怎么用Google.
Google "PS WHO 0-2" , check this:
http://en.wikipedia.org/wiki/Performance_status
Google " NSCLC stage III B wet"
http://onctalk.com/bbPress/topic.php?id=884
" Stage IIIB is divided into "wet" and "dry", at least as they're
colloquially known, which is related to whether there is fluid with cancer
cells outside of the lung or not. If "wet", it's essentially advanced
disease and is generally treated to improve survival and quality of life but
not recognized to be cu... 阅读全帖 |
|
j*****e
发帖数: 182 | 50 I forget to mention that the lowest value of AUC is 0.5. You can get AUC
directly from SAS proc logistic.
If your predictors are all discrete, you can test model goodness of fit
using the deviance. Otherwise, there is no test for it.
Also, deviance over the degree of freedom in SAS output offers sort of
measurement on how the model is. If the model fits, this ratio should be
close to one. |
|
