我正在努力寻找二元结果的最佳预测因子。
对于每种情况，A＆lt; X和B> Y = C = Z％。 A和B是链接的变量（剂量X与体积Y％）。 C是每种情况下看到的频率。
然后，我有不同的C阈值，我可以用来预测二元结果（P）。 我也有（O） - 真实结果（二进制）。我正在查看多个X，Y和C值，这些值最适合P到O.
因此，对于X（4个离散点）和Y（10％间隔10-90％）的每个组合，我得到结果C（％）。对于不同的C阈值（10％间隔10-90％），我有正确预测的病例数，2x2混淆矩阵和灵敏度和（1-特异性）。
在统计方面，我认为我可以使用ROC曲线找到最佳预测因子？但我不确定这是真的还是我可以简单地比较所有组合或只是每个X，Y的不同C的阈值？或者不同的X，Y对于相同的C阈值？或者，如果我应该进行不同的统计测试？
但假设我在做ROC曲线。我在MATLAB（散点图）和y = x（refline =（1,0））中绘制了所有点。所以我知道重要的点是对角线以上的点，但我如何拟合实际的ROC曲线来计算AUC？
我知道这很令人困惑，所以我希望它有意义！
编辑：我目前正在考虑的是，对于每个X，Y组合，我需要一个ROC曲线来表示不同的C阈值。在每种情况下，最佳C阈值是最接近1,0的点（我如何找到？最接近几何？）。然后我比较每个X，Y组合的AUC和最大区域的AUC是最好的吗？
答案 0 :(得分：0)
我在这些链接上回答了类似的问题：
ROC curve and libsvm和MATLAB - generate confusion matrix from classifier
请仔细阅读，让我知道你的疑惑。