ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب ROC Curves for Continuous Data

دانلود کتاب منحنی های ROC برای داده های مداوم

ROC Curves for Continuous Data

مشخصات کتاب

ROC Curves for Continuous Data

دسته بندی: آمار ریاضی
ویرایش: 1 
نویسندگان: ,   
سری: Monographs on Statistics & Applied Probability 111 
ISBN (شابک) : 1439800219, 9781439800218 
ناشر: Chapman and Hall/CRC 
سال نشر: 2009 
تعداد صفحات: 235 
زبان: English  
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 53,000



کلمات کلیدی مربوط به کتاب منحنی های ROC برای داده های مداوم: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 17


در صورت تبدیل فایل کتاب ROC Curves for Continuous Data به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب منحنی های ROC برای داده های مداوم نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب منحنی های ROC برای داده های مداوم

از آنجایی که منحنی‌های ROC در بسیاری از زمینه‌های کاربردی فراگیر شده‌اند، پیشرفت‌های مختلف در مقالات و متون متفاوت پراکنده شده است. منحنی‌های ROC برای داده‌های پیوسته اولین کتابی است که صرفاً به این موضوع اختصاص یافته است و تمام مطالب مرتبط را گرد هم می‌آورد تا درک روشنی از نحوه تجزیه و تحلیل منحنی‌های ROC ارائه دهد. نظریه اساسی منحنی‌های ROC این کتاب ابتدا رابطه بین منحنی ROC و معیارهای عملکرد متعدد را مورد بحث قرار می‌دهد و سپس با توصیف چگونگی تخمین منحنی‌های ROC، این نظریه را در عمل گسترش می‌دهد. نویسندگان با ایجاد تئوری بیشتر، آزمون‌های آماری را برای منحنی‌های ROC و آمار خلاصه آن‌ها ارائه می‌کنند. آنها تأثیر متغیرهای کمکی را بر منحنی‌های ROC در نظر می‌گیرند، مشکل ویژه مهم مقایسه دو منحنی ROC را بررسی می‌کنند و روش‌های بیزی را برای تجزیه و تحلیل ROC پوشش می‌دهند. موضوعات ویژه سپس متن به توسعه تجزیه و تحلیل اساسی می‌رود تا با موقعیت‌های پیچیده‌تر مقابله کند، مانند ترکیب منحنی‌های ROC متعدد و مشکلات ناشی از حضور بیش از دو کلاس. با تمرکز بر مسائل طراحی و تفسیر، داده‌های گمشده، سوگیری تأیید، تعیین اندازه نمونه، طراحی مطالعات ROC و انتخاب آستانه بهینه از منحنی ROC را پوشش می‌دهد. فصل آخر به بررسی کاربردهایی می‌پردازد که نه تنها برخی از تکنیک‌ها را نشان می‌دهند، بلکه کاربرد بسیار گسترده این تکنیک‌ها را در رشته‌های مختلف نشان می‌دهند. با نزدیک به 5000 مقاله منتشر شده تا به امروز در رابطه با تجزیه و تحلیل ROC، علاقه انفجاری به منحنی های ROC و تجزیه و تحلیل آنها در آینده قابل پیش بینی ادامه خواهد داشت. با استقبال از این رشد علاقه، این کتاب به موقع بدون شک کاربران فعلی و آینده تجزیه و تحلیل ROC را راهنمایی خواهد کرد.


توضیحاتی درمورد کتاب به خارجی

Since ROC curves have become ubiquitous in many application areas, the various advances have been scattered across disparate articles and texts. ROC Curves for Continuous Data is the first book solely devoted to the subject, bringing together all the relevant material to provide a clear understanding of how to analyze ROC curves. The fundamental theory of ROC curvesThe book first discusses the relationship between the ROC curve and numerous performance measures and then extends the theory into practice by describing how ROC curves are estimated. Further building on the theory, the authors present statistical tests for ROC curves and their summary statistics. They consider the impact of covariates on ROC curves, examine the important special problem of comparing two ROC curves, and cover Bayesian methods for ROC analysis. Special topicsThe text then moves on to extensions of the basic analysis to cope with more complex situations, such as the combination of multiple ROC curves and problems induced by the presence of more than two classes. Focusing on design and interpretation issues, it covers missing data, verification bias, sample size determination, the design of ROC studies, and the choice of optimum threshold from the ROC curve. The final chapter explores applications that not only illustrate some of the techniques but also demonstrate the very wide applicability of these techniques across different disciplines. With nearly 5,000 articles published to date relating to ROC analysis, the explosive interest in ROC curves and their analysis will continue in the foreseeable future. Embracing this growth of interest, this timely book will undoubtedly guide present and future users of ROC analysis.



فهرست مطالب

Cover Page\r......Page 1
Title Page\r......Page 2
ROC Curves for Continuous Data......Page 6
Contents......Page 8
About the Authors......Page 11
Preface......Page 12
1.1 Background......Page 14
1.2 Classification......Page 15
1.3 Classifier performance assessment......Page 19
1.4 The ROC curve......Page 24
1.5 Further reading......Page 27
2.1 Introduction......Page 29
2.2.1 Definition......Page 30
2.2.2 General features......Page 31
Property 1......Page 32
Property 3......Page 34
2.2.4 Continuous scores......Page 35
2.3.2 The Neyman-Pearson Lemma......Page 36
2.4 Summary indices of the ROC curve......Page 37
2.4.1 Area under the ROC curve......Page 38
2.4.2 Single points and partial areas......Page 40
2.4.3 Other summary indices......Page 41
2.5 The binormal model......Page 43
2.6 Further reading......Page 47
3.1 Introduction......Page 48
3.2 Preliminaries: classification rule and error rates......Page 50
3.3.1 Empirical estimator......Page 52
3.3.2 Parametric curve fitting......Page 58
3.3.3 Nonparametric estimation......Page 64
3.3.4 Binary regression methods......Page 67
3.4 Sampling properties and confidence intervals......Page 68
3.4.1 Empirical estimator......Page 69
3.4.2 Parametric curve fitting......Page 72
3.4.3 Nonparametric estimation......Page 73
3.5 Estimating summary indices......Page 74
Estimation......Page 76
Confidence intervals......Page 78
3.5.2 Partial area under the curve (PAUC)......Page 80
3.5.3 Optimal classification threshold......Page 81
3.5.4 Loss diffierence plots and the LC index......Page 82
3.6 Further reading......Page 85
4.1 Introduction......Page 86
4.2.1 Kolmogorov-Smirnov test for the empirical ROC......Page 87
4.2.2 Test of AUC = 0.5......Page 88
4.3 Sample size calculations......Page 89
4.3.1 Confidence intervals......Page 90
4.3.2 Hypothesis tests......Page 91
4.4 Errors in measurements......Page 93
4.5 Further reading......Page 97
5.1 Introduction......Page 98
5.2.1 Indirect adjustment......Page 100
5.2.2 Direct adjustment......Page 102
5.2.3 Applications......Page 106
5.3.1 Adjustment of AUC......Page 108
5.3.2 Adjustment of partial AUC......Page 110
5.3.3 Other summary statistics......Page 111
5.3.4 Applications......Page 112
5.4 Incremental value......Page 113
5.5 Matching in case-control studies......Page 115
5.6 Further reading......Page 116
6.1 Introduction......Page 118
6.2 Comparing summary statistics of two ROC curves......Page 120
6.3 Comparing AUCs for two ROC curves......Page 124
6.4.1 The binormal case......Page 126
6.4.2 Nonparametric approach......Page 127
6.4.3 Regression approaches......Page 131
6.5 Identifying where ROC curves differ......Page 132
6.6 Further reading......Page 133
7.1 Introduction......Page 134
7.2 General ROC analysis......Page 136
7.3.1 Introduction......Page 139
7.3.2 Frequentist methods......Page 140
Empirical Bayes......Page 141
Full Bayes......Page 142
7.4.1 Introduction......Page 143
7.4.2 Bayesian methods: parametric estimation......Page 145
7.4.3 Bayesian methods: nonparametric estimation......Page 148
7.5 Further reading......Page 150
8.2 Alternatives to ROC curves......Page 151
8.3 Convex hull ROC curves......Page 155
8.4 ROC curves for more than two classes......Page 157
8.5 Other issues......Page 164
8.6 Further reading......Page 165
9.1 Introduction......Page 167
9.2.1 Missing value mechanisms......Page 168
9.2.2 General missing value methodology......Page 170
Deletion of observed values......Page 171
Imputation of missing values......Page 172
9.2.3 Some implications for ROC studies......Page 173
9.3.1 General......Page 175
9.3.2 Verification bias......Page 176
9.3.3 Reject inference......Page 181
9.4 Choice of optimum threshold......Page 182
9.5.1 Design......Page 186
9.5.2 Analysis and interpretation......Page 188
9.6 Further reading......Page 189
10.1 Introduction......Page 190
10.2 Machine learning......Page 191
10.3 Atmospheric sciences......Page 193
10.4 Geosciences......Page 199
10.5 Biosciences......Page 201
10.6 Finance......Page 204
10.7 Experimental psychology......Page 207
10.8 Sociology......Page 208
Appendix: ROC Software......Page 210
References......Page 212




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی