Yila

ROC 곡선을 그리고 AUC를 제대로 보고하기

결과변수와 지표가 담긴 표를 업로드하세요. Yila가 모형을 적합하고 표본 외 예측으로 검증한 뒤, AUC와 신뢰구간을 담은 ROC 곡선을 그리고 근거를 댈 수 있는 절단값을 고릅니다.

제 데이터로 로지스틱 회귀 모형을 적합해 주세요. 예측변수는 , 예측할 결과변수는 입니다. 5겹 교차검증으로 평가하고, AUC와 95% 신뢰구간을 표시한 ROC 곡선을 논문에 바로 쓸 수 있게 그려 주세요. 가장 성능이 좋은 단일 지표와 비교하고, Youden 절단값에서의 민감도와 특이도를 보고해 주세요. 그림은 PNG와 SVG로 저장하고, 성능 지표 표와 스크립트도 함께 저장해 주세요.

Yila 워크벤치에서 열립니다. 대화 중 언제든 조정할 수 있습니다.

완성된 ROC 분석

공개 진단 데이터셋으로 한 번 공식 실행한 결과입니다. 아래는 실행에서 저장된 그림이며, 다운로드 파일에는 이 그림과 함께 성능 지표 표와 Python 스크립트가 들어 있습니다.

유방 종양 569건의 악성 여부 예측 — 1
1 / 1

받게 되는 결과물

ROC 곡선 그림
모형의 곡선을 비교 곡선, 우연 수준을 나타내는 대각선과 함께 그리고, 범례에 각 AUC와 95% CI를 적고, 선택한 절단값을 표시합니다.
성능 지표 표
모든 모형의 AUC와 신뢰구간, 절단값, 민감도, 특이도에 더해 예측변수별 오즈비를 정리합니다.
과대평가 없는 검증
곡선을 표본 외 예측값으로 그리므로, 모형을 적합에 쓴 데이터로 평가해서 AUC가 부풀려지는 일이 없습니다.
스크립트
분석 전체를 Python(요청하면 R)으로 제공해, 보충 자료에 바로 넣을 수 있습니다.

진행 방식

표를 업로드하고 결과변수를 알려 줍니다

CSV 또는 Excel 파일을 Yila에게 주고, 무엇을 어떤 지표로 예측할지 알려 주세요. 지표 하나만 평가해도 됩니다.

Yila가 데이터를 점검하고 검증 방법을 정합니다

모형을 적합하기 전에 환자군과 대조군의 수를 세고, 결측값과 척도가 크게 다른 변수가 있는지 살피고, 검증 방법을 정합니다.

곡선, 수치, 스크립트를 받습니다

ROC 그림과 성능 지표 표를 렌더링해 확인한 뒤 스크립트와 함께 저장합니다. 다른 절단값 기준, 부트스트랩 신뢰구간, 추가 모형이 필요하면 같은 대화에서 요청하세요.

활용 상황

진단 정확도 연구

지표나 점수가 환자군과 대조군을 얼마나 잘 구분하는지 보여 주고, 절단값과 그때의 민감도·특이도를 함께 제시합니다.

예측 모형 논문

훈련 데이터에 대한 적합도가 아니라 검증된 예측값을 기준으로 다변수 모형과 단일 지표를 비교합니다.

바이오마커 학위논문의 한 장

판별력을 신뢰구간과 함께 보고하고, 재현 가능한 스크립트로 심사위원회가 결과를 확인할 수 있게 합니다.

자주 묻는 질문

내 지표의 성능을 평가해 보세요

데이터를 업로드하고 결과변수를 알려 주세요. Yila가 모형을 검증하고 곡선을 그리며, 스크립트도 남겨 둡니다.

내 데이터로 시작하기