首页
›
生物信息学与 AI 制药工程
›
045-AI药物发现特征学习任务
›
《ROC曲线绘制与交叉验证方法》
VIP20
本课程属于:045-AI药物发现特征学习任务
生物信息学与 AI 制药工程 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
ROC曲线绘制与交叉验证方法
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
ROC曲线概述与历史
ROC曲线的起源 · 发展历程 · 在机器学习中的重要性
ROC
曲线概述
02
混淆矩阵详解
TP · FP · TN
混淆矩阵详解
TP
03
灵敏度与特异度
从混淆矩阵到真阳性率 · 假阳性率的推导
灵敏度
特异度
04
ROC曲线的基本原理
阈值变化与TPR/FPR的关系 · 曲线形状解读
ROC
曲线的基本原理
05
ROC曲线的绘制方法
手动计算 vs Python自动绘制…
ROC
曲线的绘制方法
06
AUC的含义与计算
AUC的统计解释 · 面积计算方式(梯形法则)
AUC
的含义
07
多分类问题的ROC曲线
OvR与OvO策略 · 宏平均与微平均AUC
ROC
多分类问题的
08
交叉验证简介
目的 · 类型(K折 · 留一
交叉验证简介
目的
09
K折交叉验证原理
数据划分 · 训练/验证循环 · 性能评估指标
K折交叉验证原理
数据划分
10
分层K折交叉验证
解决类别不平衡 · 保证每折分布一致
分层K折交叉验证
解决类别不平衡
11
留一交叉验证(LOOCV)
极端K折 · 适用场景与计算开销
LOOCV
留一交叉验证
12
重复交叉验证
减少划分随机性 · 提高评估稳定性
重复交叉验证
减少划分随机性
13
交叉验证与模型选择
通过CV选择超参数 · 防止过拟合
交叉验证
模型选择
14
ROC曲线与交叉验证结合的意义
评估模型泛化能力 · 绘制平均ROC
ROC
曲线
15
使用sklearn绘制单折ROC曲线
roc_curve · auc函数详解与示例
sklearn
ROC
16
使用matplotlib自定义ROC图
美观化 · 添加置信区间 · 图例
matplotlib
ROC
17
交叉验证中的ROC曲线平均
跨折TPR插值 · 均值与标准差计算
ROC
交叉验证
18
方差与偏差权衡
通过交叉验证ROC的方差理解模型稳定…
方差
偏差权衡
19
交叉验证的ROC曲线置信区间
bootstrap法或折间标准差绘制…
ROC
交叉验证的
20
阈值选择与ROC曲线
Youden指数 · 最优点 · 代价敏感阈值
ROC
阈值选择
21
精确率-召回率曲线与ROC对比
适用场景 · 不平衡数据的选择
ROC
精确率
22
不平衡数据下的ROC与交叉验证
SMOTE与分层折叠策略
ROC
不平衡数据下的
23
时间序列交叉验证与ROC
滚动窗口 · 前向验证 · 避免数据泄露
ROC
时间序列交叉验证
24
特征选择与交叉验证ROC
递归特征消除(RFE)结合ROC评估
ROC
特征选择
25
超参数调优中的交叉验证ROC
GridSearchCV以AUC为目…
ROC
超参数调优
26
多折交叉验证的ROC可视化
绘制多条ROC曲线及平均曲线
ROC
多折交叉验证的
27
AUC的统计学意义
Mann-Whitney U检验与A…
AUC
的统计学意义
28
ROC曲线在临床诊断中的应用
医学影像 · 生物标志物评估案例
ROC
曲线
29
自动生成交叉验证ROC报告
Python脚本输出图表与摘要表格
ROC
自动生成交叉验证
30
实战
客户流失预测模型评估 · CV · ROC
客户流失预测模型…
CV
所属VIP或分类
同VIP:AUC与RMSE评估指标详解
同VIP:GAT注意力机制在分子图中的应用
同VIP:GCN图卷积网络适配药物数据案例