当金标准为连续变量时评估变量及其线性组合的诊断效能
统计方法学
2011-05-10 v1 应用统计
机器学习
摘要
受试者工作特征(ROC)曲线是分析诊断/分类工具或分类方案诊断效能的非常有用的工具，前提是存在二分类的金标准。当金标准为连续变量且没有确定的阈值时，ROC曲线的作用便会减弱。因此，已有若干扩展方法被提出，用于评估感兴趣变量的诊断潜力。然而，由于这些基于非参数的扩展方法存在计算困难，它们不易用于寻找变量的最优组合以提升单个变量的诊断效能。因此，我们提出了一种新的度量指标，它扩展了AUC指数，用于识别在诊断方案中具有良好潜力的变量。此外，我们提出了一种基于阈值梯度下降的算法，用于寻找最大化该新度量指标的变量最佳线性组合，该算法甚至在变量数目极大时依然适用。本文研究了所提指数的估计及其渐近性质。通过合成数据集和真实数据集说明了所提方法的性能。
引用
@article{arxiv.1105.1575,
title = {Evaluating the diagnostic powers of variables and their linear combinations when the gold standard is continuous},
author = {Zhanfeng Wang and Yuan-chin Ivan Chang},
journal= {arXiv preprint arXiv:1105.1575},
year = {2011}
}