小果教你快速分析ROC生存曲線圖
爾云間? 一個專門做科研的團隊
??
小伙伴們，大家好呀，很高興和大家見面，前段時間應小伙伴出的解讀ROC曲線圖，小伙伴反應很是積極，這不最近小伙伴對于不同年份的ROC曲線圖的分析呼聲很高，為此小果特地帶來不同年份ROC曲線圖的分析，讓給大家不在不再為看不懂不同年份ROC圖譜解讀而困擾。以下是小果自己在兩個不同數(shù)據(jù)集中做的ROC生存曲線結(jié)果圖：
在往期的推文中已經(jīng)給小伙伴介紹過什么是ROC曲線，不知道小伙伴是否還記得呢？為了不讓小伙伴記得更清楚，小果在這里給大家簡單回顧下：
ROC曲線的全稱為Receiver Operating Characteristic Curve，中文翻譯過來為受試者工作特征曲線，由于可以反映模型在選取相同閾值或不同閾值時候的模型敏感性和準確性的走向，也將該曲線稱為感受性曲線（sensitivity curve）。ROC生存曲線是顧名思義就是使用生存數(shù)據(jù)進行時間依賴性ROC曲線繪制的圖譜。
接下來我們來看圖，圖1為訓練集ROC生存曲線，圖2為驗證集ROC生存曲線，小伙伴仔細觀察圖1和圖2就可以發(fā)現(xiàn)兩個圖中的
橫坐標均為False Positive rate，代表是假陽性率，簡稱為FPR，也稱為特異性；
縱坐標均為True Positive Rate 代表真陽性率，簡稱TPR， 也稱為敏感性；
圖中不同顏色的曲線代表不同生存時間段的模型受試曲線，1 year代表的是生存時間為1年，3 years 代表的是生存時間為3年，同理5 years 代表的是生存時間為5年。
通過圖1我們可以看到，訓練集在1年，3年和5年生存時間下的AUC值分別為0.742，0.749和0.706，大體均在0.7，該值大于0.5小于1，說明在訓練集中不同生存時間段內(nèi)預測模型準確率良好，或者也可以認為該模型診斷價值良好。
在圖2我們可以看到，驗證集在1年，3年和5年生存時間下的AUC值分別為0.62，0.656和0.662，大體均在0.6，該值大于0.5小于1，說明在驗證集中不同生存時間段的預測模型準確率一般，該模型診斷價值一般。
比較圖1和圖2就可以發(fā)現(xiàn)預測訓練集中的預測模型準確率優(yōu)于驗證集，但總體上來預測模型準確率均為良好。
小果本次的分享到這就結(jié)束了。小伙伴可以根據(jù)自己的實際情況進行具體分析，萬變不離其宗，相信小伙伴能馬上拿捏。
推薦閱讀
shengxinguoer
生信果
生信硬核知識解答
和小果一起學生信
