R语言 ROC包 rocdemo.sca()函数中文帮助文档(中英文对照)

loveR

rocdemo.sca(ROC)
rocdemo.sca()所属R语言包：ROC

                                         function to build objects of class 'rocc'  
                                         功能建立类的ROCC的对象

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

rocdemo.sca – demonstrate 'rocc' class construction using a scalar marker and simple functional rule
rocdemo.sca  - 证明“ROCC”一流的施工，使用一个标标志和简单的功能统治


用法----------Usage----------


rocdemo.sca(truth, data, rule=NULL,
       cutpts=NA,
       markerLabel="unnamed marker", caseLabel="unnamed diagnosis")



参数----------Arguments----------

参数：truth
true classification of objects. Must take values 0 or 1.
真正的分类对象。必须采取值0或1。


参数：data
quantitative markers used to classify
用于分类的定量标记


参数：rule
rule: a function with arguments (x, thresh) returning 0 or 1. If no rule is provided or the standard rule dxrule.sca is passed, a faster C-based implementation is used to compute sensitivity and specificity.
规则：一个参数，返回0或1（X，阈值）的功能。如果没有规则或标准规则dxrule.sca传递，更快的基于C语言的执行是用来计算的灵敏度和特异性。


参数：cutpts
values of thresholds
阈值的值


参数：markerLabel
textual label describing marker
文本标签描述标记


参数：caseLabel
textual label describing classification
文本标签描述分类


Details

详情----------Details----------

dxrule.sca is function (x, thresh) ifelse(x > thresh, 1, 0)
dxrule.sca是function (x, thresh) ifelse(x > thresh, 1, 0)

The default value of argument cutpts is a point less than min(data), points separating the unique values of data and a point greater than max(data).
默认参数cutpts的值是一个点，比分钟（数据），数据分离的独特的价值观和点大于最大（数据）点。


值----------Value----------

an object of S4 class rocc
S4类rocc对象


作者（S）----------Author(s)----------


Vince Carey (stvjc@channing.harvard.edu)  



参见----------See Also----------

AUC
联合自卫军


举例----------Examples----------


set.seed(123)
R1 <- rocdemo.sca( rbinom(40,1,.3), rnorm(40), caseLabel="new case", markerLabel="demo Marker" )
plot(R1, line=TRUE, show.thresh=TRUE)

truth <- c(0, 1, 0, 1, 1, 0, 1, 1)
data <- c(2, 3, 4, 4, 5, 6, 7, 8)
R2 <- rocdemo.sca(truth, data, dxrule.sca)
plot(R2, line=TRUE, show.thresh=TRUE)
R3 <- rocdemo.sca(truth, data, function(x, thresh) 1 - dxrule.sca(x, thresh))
if (AUC(R2) + AUC(R3) != 1) stop('Sum of AUCs should be 1.')
#[]
# more involved[更多地参与]
#[]
set.seed(1234)
x = runif(1000)
w = runif(1000)
z = rbinom(1000, 1, plogis(-2.7+6.2*x + .3*w))
m1 = glm(z~x, fam=binomial)
demorule.glm.clo = function(model) function(w,thresh)
ifelse(predict(model, newdata=list(x=w), type="response")>thresh, 1, 0)
demorule.glm = demorule.glm.clo(m1)
R4 = rocdemo.sca(z, x, demorule.glm )
plot(R4)
  

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。