برآورد منحنی مشخصه عملکرد گیرنده (ROC) با استفاده از تابع هسته برنام-سندرز

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 76

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JAMFN-12-3_004

تاریخ نمایه سازی: 16 آبان 1402

چکیده مقاله:

بسیاری از محققان از منحنی ROC به عنوان روشی کارآمد برای نمایش، ارزیابی و مقایسه دقت آزمون های تشخیصی استفاده می کنند. متداول ترین روش برای برآورد منحنی ROC استفاده از برآوردگر ناپارمتری هسته برای برآورد توابع توزیع تجمعی احتمال در دو بخش حساسیت و ویژگی است. با این وجود برآوردگرهای هسته در نقاط ابتدایی و انتهایی دامنه داده ها که به عنوان نقاط مرزی شناخته می شوند، نسبت به دیگر نقاط دامنه، دارای نرخ همگرایی کندتری بوده و به مقدار واقعی تابع توزیع احتمال همگرا نیستند. این مشکل را اصطلاحا مشکل مرزی می گویند. یک روش برای رفع مشکل مرزی در برآوردگرهای هسته، استفاده از هسته های نامتقارن است. در این مقاله، یک برآوردگر جدید برای منحنی ROC بر اساس تابع هسته نامتقارن برنام-سندرز (B-S) پیشنهاد شده و همگرایی مجانبی برآوردگر پیشنهادی نشان داده شده است. علاوه بر این، برتری تحلیلی برآوردگر پیشنهادی نسبت به برآوردگر نوع هسته متقارن نشان داده شده است. عملکرد برآوردگر پیشنهادی از طریق یک مطالعه عددی بررسی و با دیگر برآوردگرهای مطرح منحنی ROC مقایسه شده است. نتایج نشان می دهد که ریسک برآوردگر پیشنهادی به صورت قابل ملاحظه ای پایین تر از سایر روش های معمول است. کاربرد برآوردگر جدید در یک مجموعه داده پزشکی نشان داده شده است.

نویسندگان

حبیب اله ممبینی

گروه آمار، دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران اهواز، اهواز، ایران

بهزاد منصوری

گروه آمار، دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران اهواز، اهواز، ایران

محمدرضا آخوند

گروه آمار، دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران اهواز، اهواز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Altman, N, Leger, C (۱۹۹۵) Bandwidth selection for kernel distribution ...
  • Chen, SX (۱۹۹۹) Beta kernel estimators for density functions. Comput ...
  • Du P, Tang L (۲۰۰۹) Transformation-invariant and nonparametric monotone smooth ...
  • Duong, T. (۲۰۱۶). Non-parametric smoothed estimation of multivariate cumulative distribution ...
  • Fawcett T (۲۰۰۶) An introduction to ROC analysis. Pattern Recognition ...
  • Green DM, Swets JA (۱۹۶۶) Signal detection theory and psychophysics. ...
  • Hans P, Albert A, Born J, Chapelle JP (۱۹۸۵) Derivation ...
  • Horová I, Koláček J, Zelinka J, El-Shaarawi AH (۲۰۰۸) Smooth ...
  • Hsieh F, Turnbull BW (۱۹۹۶) Nonparametric and semiparametric estimation of ...
  • Koláček J, Karunamuni RJ (۲۰۰۹) On boundary correction in kernel ...
  • Lafaye de Micheaux, P., & Ouimet, F. (۲۰۲۱). A study ...
  • Lasko TA. Bhagwat JG, Zou KH, Ohno-Machado L (۲۰۰۵) The ...
  • Lloyd CJ (۱۹۹۸) Using smoothed receiver operating characteristic curves to ...
  • Lloyd CJ, Yong Z (۱۹۹۹) Kernel estimators of the ROC ...
  • Marchant C, Bertin K, Leiva V, Saulo H (۲۰۱۳) Generalized ...
  • Mansouri, B., Atiyah Sayyid Al-Farttosi, S., Mombeni, H., & Chinipardaz, ...
  • Mombeni HA, Mansouri B, Akhoond MR (۲۰۲۱) Asymmetric kernels for ...
  • Pulit M (۲۰۱۶) A new method of kernel-smoothing estimation of ...
  • Silverman BW (۱۹۸۶) Density estimation for statistics and data analysis. ...
  • Tenreiro C (۲۰۱۳) Boundary kernels for distribution function estimation. Revstat ...
  • Tenreiro C (۲۰۱۸) A new class of boundary kernels for ...
  • Wasserman L (۲۰۰۶) All of Nonparametric Statistics, Springer: New York ...
  • Zhang S, Karunamuni RJ, Jones MC (۱۹۹۹) An improved estimator ...
  • Zhou XH,. McClish DK, Obuchowski NA (۲۰۰۹) Statistical Methods in ...
  • Zou KH. Hall W, Shapiro DE (۱۹۹۷) Smooth non-parametric receiver ...
  • نمایش کامل مراجع