
ROC eğrisini çizin ve AUC'yi doğru biçimde raporlayın
Sonuç değişkenini ve belirteçleri içeren bir tablo yükleyin. Yila modeli kurar, örneklem dışında doğrular, ROC eğrisini AUC ve güven aralığıyla çizer ve savunabileceğiniz bir kesim noktası seçer.
Verilerimde yordayıcı olarak , sonuç değişkeni olarak kullanarak bir lojistik regresyon modeli kurun, modeli 5 katlı çapraz doğrulamayla değerlendirin ve AUC ile %95 güven aralığını gösteren, yayına hazır bir ROC eğrisi çizin. Modeli en iyi tek belirteçle karşılaştırın ve Youden kesim noktasındaki duyarlılık ile özgüllüğü raporlayın. Şekli PNG ve SVG olarak, performans ölçütleri tablosunu ve betiği kaydedin.
Yila çalışma alanında açılır; sohbet sırasında her şeyi değiştirebilirsiniz.
Tamamlanmış bir ROC analizi
Açık bir tanısal veri setiyle yürütülmüş resmî bir görev. Aşağıda görevin kaydettiği şekil yer alıyor; indirilen dosyada şeklin yanında performans ölçütleri tablosu ve Python betiği de var.

Neler alırsınız
- ROC şekli
- Modelin eğrisi, bir karşılaştırma eğrisi ve şans çizgisi bir arada; her AUC değeri %95 GA ile birlikte lejantta yer alır ve seçilen kesim noktası işaretlenir.
- Performans ölçütleri tablosu
- Her model için güven aralığıyla AUC, kesim noktası, duyarlılık ve özgüllük; ayrıca yordayıcıların odds oranları.
- Dürüst doğrulama
- Eğri örneklem dışı tahminlerden çizilir; model kurulduğu verilerle test edilmediği için AUC şişirilmiş olmaz.
- Betik
- Analizin tamamı Python ile (isterseniz R ile); ek materyalinize eklemeye hazır.
Nasıl çalışır

Tabloyu yükleyin ve sonuç değişkenini belirtin
Yila'ya bir CSV veya Excel dosyası verin; neyin, hangi belirteçlerden tahmin edileceğini söyleyin. Tek başına bir belirteç de olur.

Yila verileri kontrol eder ve doğrulamayı planlar
Vaka ve kontrol sayılarını hesaplar, eksik değerleri ve ölçekleri birbirinden çok farklı özellikleri arar ve herhangi bir model kurmadan önce doğrulamanın nasıl yapılacağına karar verir.

Eğriyi, sayıları ve betiği alın
ROC şekli ve performans ölçütleri tablosu oluşturulur, kontrol edilir ve betikle birlikte kaydedilir. Başka bir kesim noktası kuralı, bootstrap güven aralığı ya da daha fazla model isterseniz aynı sohbette söyleyin.
Kullanım alanları
Tanısal doğruluk çalışması
Bir belirtecin ya da skorun vakaları kontrollerden ne kadar iyi ayırdığını, kesim noktası ve buna karşılık gelen duyarlılık ve özgüllükle gösterin.
Tahmin modeli makalesi
Çok değişkenli bir modeli tek bir belirteçle, eğitim setindeki uyum yerine doğrulanmış tahminler üzerinden karşılaştırın.
Biyobelirteç üzerine bir tez bölümü
Ayırt ediciliği güven aralıklarıyla ve jürinin kontrol edebileceği yeniden üretilebilir bir betikle raporlayın.
Sık sorulan sorular
Keşfetmeye devam edin

Veri Analizi Asistanı
Bir CSV/XLSX yükleyin; sohbet üzerinden verileri inceleyin, araştırma istatistiklerini çalıştırın ve yayına hazır grafikler oluşturun.

Takip verilerinizden Kaplan–Meier eğrileri çizin
Takip süresi ve olay sütunu içeren bir tablo yükleyin. Yila sağkalım eğrilerini risk altındaki hasta sayısıyla birlikte çizer, farkı test eder ve bir Cox modeli kurar; tümünü yeniden üretecek betiği de verir.

Makaleniz için Tablo 1'i hazırlayın
Veri setini yükleyin ve grupları belirtin. Yila her değişkenin dağılımını kontrol eder, hakemlerin beklediği biçimde özetler, testi satır satır seçer ve düzenlenebilir bir Word tablosu kaydeder.
Kendi belirtecinizi değerlendirin
Verileri yükleyin ve sonuç değişkenini belirtin. Yila modeli doğrular, eğriyi çizer ve betiği saklar.
Verilerinizle başlayın