ROC-Kurve und AUC-Wert [Einfach erklärt]

Поделиться
HTML-код
  • Опубликовано: 2 дек 2024

Комментарии • 8

  • @ElowenFaye
    @ElowenFaye 15 дней назад

    Das Wichtigste in Kürze, vielen Dank für die prägnante Darstellung! :)

  • @manuelleitner1996
    @manuelleitner1996 Год назад +3

    Danke für dein Video. Min 1:46: Was mir jedoch unklar ist: wenn die TP Rate als 4/5 (= 0.8 = 80%) angegeben wird, also die Anzahl der als krank klassifizierten Personen an allen kranken (4 krank klassifiziert von 5 wirklich Kranken), dann müsste die FP Rate hier ja 2/5 (= 0.4 = 40%) sein, da diese ja dann angeben würde, wie viele FÄLSCHLICHERWEISE als krank klassifiziert werden. Das sind in diesem Beispiel ja 2 (die mit dem Herzsymbol) Personen, die eigentlich gesund sind, aber fälschlicherweise als krank (Bei Schwellenwert: 45) klassifiziert werden. Die 3/5 (= 0.6 = 60%) sind doch die richtig negativ klassifizierten (jene, die richtigerweise als gesund klassifiziert wurden, weil sie auch gesund sind). Oder irre ich mich? Weil bei 1:46 sagst du, dass die FP Rate bei 3/5 (60%) wäre.
    LG

    • @ElowenFaye
      @ElowenFaye 15 дней назад

      Hallo Manuel, Du hast recht, die FP Rate liegt im Beispiel bei 0,4. Ich vermute, dass Verwechslungen oft deshalb entstehen, weil das Wort "gesund" positiv konnotiert ist (wohingegen "positiv" im Test ja krank bedeutet).

  • @Ejdaha111
    @Ejdaha111 Месяц назад

    Bitte noch dazu ein Video über Calibration plot veröffentlichen, vielen Dank im Voraus

  • @jg2774
    @jg2774 Год назад

    Super erklärt!

  • @aspect2224
    @aspect2224 10 месяцев назад

    Ist nicht dann die FPR bei einem Schwellwert von 45 gleich 0,4, da man ja 2 von 5 falsch als krank eingestuft hat?

  • @wa1601
    @wa1601 3 месяца назад

    vielen Dank

  • @xxhomertimexx6644
    @xxhomertimexx6644 9 месяцев назад +2

    Gutes Video.
    Allerdings vermisse ich die Achsenbeschriftung bei dem Diagramm.