
畫出 ROC 曲線,正確報告 AUC
上傳含結果變數與各項指標的資料表,Yila 會配適模型並做樣本外驗證,畫出附 AUC 及其信賴區間的 ROC 曲線,並選出一個說得出理由的切點。
請用我的資料,以配適邏輯斯迴歸來預測,用 5 折交叉驗證評估模型,並畫一張可直接投稿的 ROC 曲線,標出 AUC 及其 95% 信賴區間。接著與表現最好的單一指標比較,並報告 Youden 切點下的敏感度與特異度。將圖儲存為 PNG 和 SVG,並儲存指標彙整表與程式碼。
將在 Yila 工作台中開啟,之後可在對話裡隨時調整。
一份完成的 ROC 分析
這是用公開診斷資料集實際執行一次的官方範例。下方是它儲存的圖;下載檔裡另附指標彙整表與 Python 程式碼。

1 / 1
你會得到
- ROC 曲線圖
- 模型曲線、比較曲線與代表隨機猜測的對角線畫在同一張圖上,圖例中列出各自的 AUC 及其 95% 信賴區間,並標出選定的切點。
- 指標彙整表
- 每個模型的 AUC 及其信賴區間、切點、敏感度與特異度,以及各預測變數的勝算比。
- 如實的驗證
- 曲線由樣本外預測值畫出,AUC 不會因為拿配適模型的同一份資料來測試而被高估。
- 分析程式碼
- 完整的 Python 分析程式碼(需要的話也可以是 R),可直接放進補充資料。
運作方式

上傳資料表,指明結果變數
給 Yila 一個 CSV 或 Excel 檔,說明要預測什麼、用哪些指標來預測。只評估單一指標也可以。

Yila 核對資料,規劃驗證方式
它會計算病例與對照的數量,檢查遺漏值和尺度差異很大的特徵,並在配適任何模型之前,先決定驗證的方式。

取得曲線、數字和程式碼
ROC 曲線圖和指標彙整表完成並檢查後,會與程式碼一起儲存。想換一種決定切點的規則、改用 bootstrap 信賴區間,或加入更多模型,在同一個對話裡提出即可。
適用情境
診斷準確性研究
呈現某個指標或評分區分病例與對照的能力,並附上切點及其敏感度與特異度。
預測模型論文
用經過驗證的預測值比較多變項模型與單一指標,而不是看訓練集上的配適度。
生物標記研究的學位論文章節
報告附信賴區間的區辨力,並提供口試委員可以核對的可重現程式碼。



