Yila

画 ROC 曲线,把 AUC 报告规范

上传包含结局和指标的表格,Yila 拟合模型并做样本外验证,画出带 AUC 和置信区间的 ROC 曲线,给出有依据的截断值。

用我的数据,以为自变量拟合 logistic 回归来预测,用 5 折交叉验证评估,画出可直接投稿的 ROC 曲线,标注 AUC 及其 95% 置信区间。再与表现最好的单一指标比较,并报告 Youden 截断值下的灵敏度和特异度。图保存为 PNG 和 SVG,同时保存指标汇总表和代码。

将在 Yila 工作台中打开,之后可以在对话里随时调整。

一次完整的 ROC 分析

这是在公开诊断数据集上跑的一次官方示例。下面是它保存的图,下载包里另有指标汇总表和 Python 代码。

用影像特征预测 569 例乳腺肿瘤的良恶性 — 1
1 / 1

你会得到

ROC 曲线图
模型曲线、对照曲线和机会线画在同一张图上,图例里标出各自的 AUC 和 95% 置信区间,并标记选定的截断点。
指标汇总表
每个模型的 AUC 及置信区间、截断值、灵敏度和特异度,以及各自变量的比值比。
如实的验证
曲线由样本外预测值画出,不会因为在建模数据上自测而高估 AUC。
分析代码
完整的 Python 代码(需要的话也可以是 R),可以直接放进补充材料。

怎么做

上传表格,说明要预测什么

给 Yila 一个 CSV 或 Excel 文件,说清楚预测哪个结局、用哪些指标。只评估单个指标也可以。

Yila 核对数据,定好验证方案

它先统计病例和对照的数量,检查缺失值和量纲差异很大的变量,在拟合之前先确定验证方式。

拿到曲线、数字和代码

ROC 图和指标表渲染出来检查后保存,代码一并交付。想换截断值的确定规则、改用别的置信区间方法或加更多模型,在同一个对话里说就行。

适合这些场景

诊断准确性研究

展示某个指标或评分区分病例与对照的能力,并给出截断值及对应的灵敏度和特异度。

预测模型论文

在经过验证的预测值上比较多因素模型和单一指标,而不是拿训练集拟合度说话。

生物标志物方向的学位论文

报告带置信区间的区分度,附上答辩委员会可以复核的代码。

常见问题

评估你自己的指标

上传数据并说明结局,Yila 验证模型、画出曲线,并把代码一起留给你。

上传数据开始