ISmCART.ROCcurve

Синтаксис

ROCcurve: IROCcurve;

Описание

Свойство ROCcurve возвращает параметры ROC-кривой.

Комментарии

ROC-кривая - это график, позволяющий оценить качество бинарной классификации. ROC-кривая отображает соотношение между долей объектов от общего количества носителей признака, верно классифицированных как несущих признак, и долей объектов от общего количества объектов, не несущих признака, ошибочно классифицированных как несущих признак при варьировании порога решающего правила.

Таким образом, ROC-кривая рассчитывается, если объясняемый ряд является бинарным.

Для построения ROC-кривой по оси Y откладываются полученные значения чувствительности, а по оси X - (1 - специфичность).

Пример

Для выполнения примера добавьте ссылку на системную сборку Stat.

Sub UserProc;
Var
    res, i: Integer;
    CART: SmCART;
    ROCcurve: IROCcurve;
    y: Array[16] Of Integer;
    x1: Array[16] Of Integer;
    x2: Array[16] Of Integer;
    x3dbl: Array[16] Of Double;
    x4cat: Array[16] Of Integer;
    OneMinusSpecificity, Sensitivity: Array Of Double;
Begin
    // Создаём метод
    CART := New SmCART.Create;
    // Задаем исходные данные
    // Задаем значения, соответствующие возрастной группе
    y[0] := 1000; y[1] := 1000; y[2] := 1000; y[3] := 1000;
    y[4] := 1000; y[5] := 1000; y[6] := 1000; y[7] := 1000;
    y[8] := 1000; y[9] := 5002; y[10] := 5002; y[11] := 5002;
    y[12] := 5002; y[13] := 5002; y[14] := 5002; y[15] := 5002;
    // Задаем значения, соответствующие социальному статусу
    x1[0] := 0; x1[1] := 0; x1[2] := 0; x1[3] := 0;
    x1[4] := 0; x1[5] := 0; x1[6] := 0; x1[7] := 0;
    x1[8] := 0; x1[9] := 1; x1[10] := 1; x1[11] := 1;
    x1[12] := 1; x1[13] := 1; x1[14] := 1; x1[15] := 1;
    // Задаем значения, соответствующие социальному статусу
    x2[0] := 10; x2[1] := 10; x2[2] := 10; x2[3] := 10;
    x2[4] := 10; x2[5] := 20; x2[6] := 20; x2[7] := 20;
    x2[8] := 20; x2[9] := 10; x2[10] := 10; x2[11] := 20;
    x2[12] := 20; x2[13] := 20; x2[14] := 20; x2[15] := 20;

    // Задаем значения объясняющего количественного ряда
    x3dbl[0] := 1; x3dbl[1] := 2; x3dbl[2] := 3; x3dbl[3] := 5;
    x3dbl[4] := 4; x3dbl[5] := 6; x3dbl[6] := 7; x3dbl[7] := 8;
    x3dbl[8] := 9; x3dbl[9] := 9; x3dbl[10] := 10; x3dbl[11] := 10;
    x3dbl[12] := 11; x3dbl[13] := 12; x3dbl[14] := 13; x3dbl[15] := 14;
    // Задаем значения объясняющего категориального ряда
    x4cat[0] := 1; x4cat[1] := 1; x4cat[2] := 1; x4cat[3] := 1;
    x4cat[4] := 1; x4cat[5] := 1; x4cat[6] := 1; x4cat[7] := 2;
    x4cat[8] := 2; x4cat[9] := 2; x4cat[10] := 2; x4cat[11] := 2;
    x4cat[12] := 3; x4cat[13] := 3; x4cat[14] := 3; x4cat[15] := 3;
    // Определяем максимальное число уровней в дереве
    CART.TreeSizeSpecification.MaximumNumberOfLevels := 3;
    // Определяем минимальное количество наблюдений, которое может находиться в вершине дерева
    CART.TreeSizeSpecification.MinimumNumberOfCases := 2;
    // Рассматриваем каждую категорию как отдельный признак
    CART.TreeSizeSpecification.ReduceCategories := True;
    // Задаем объясняемый ряд
    CART.Dependent.Value := y;
    // Задаем объясняющие порядковые
    CART.ExplanatoriesOrdered.Add.Value := x1;
    CART.ExplanatoriesOrdered.  Add.Value := x2;    
    CART.ExplanatoriesContinuous.Add.Value := x3dbl;
    CART.ExplanatoriesCategorical.Add.Value := x4cat;
    // Выполняем расчёт и выводим значения в окно консоли
    res := CART.Execute;
    ROCcurve := CART.ROCcurve;
    Debug.WriteLine(CART.Errors);
    If res <> 0 Then
        Debug.WriteLine("Произошла ошибка");
    Else
        If ROCcurve <> Null Then
            Debug.WriteLine("Данные ROC-кривой:");
            Debug.Indent;
            Debug.WriteLine("Специфичность:");
            Debug.Indent;
            OneMinusSpecificity := ROCcurve.OneMinusSpecificity;
            For i := 0 To OneMinusSpecificity.Length - 1 Do
                Debug.WriteLine(OneMinusSpecificity[i]);
            End For;
            Debug.Unindent;
            Debug.WriteLine("Чувствительность:");
            Debug.Indent;
            Sensitivity := ROCcurve.Sensitivity;
            For i := 0 To Sensitivity.Length - 1 Do
                Debug.WriteLine(Sensitivity[i]);
            End For;
        End If;
        // Выводим критерии качества классификации
        Debug.Unindent;
        Debug.Unindent;
        Debug.WriteLine(" == Критерии качества классификации == ");
        Debug.WriteLine("Общая точность: " + CART.RelevanceMeasure.Accuracy.ToString);
        Debug.WriteLine("Ф - оценка: " + CART.RelevanceMeasure.F1.ToString);
        Debug.WriteLine("Количество истинно-положительных значений: " + CART.RelevanceMeasure.TruePositive.ToString);
        Debug.WriteLine("Количество истинно-отрицательных значений: " + CART.RelevanceMeasure.TrueNegative.ToString);
    End If;
End Sub UserProc;

В результате выполнения примера в окно консоли будут выведены данные ROC-кривой и критерии качества классификации.

См. также:

ISmCART