혼합 정규분포의 베이지안 ROC 곡선 추정

Abstract

ROC 곡선은 최적의 분류기준값으로 두 그룹을 분류하는 방법이다. ROC 곡선은 민감도와 특이도로 구성된다. SAS, SPSS와 같은 통계 프로그램에서 생성되는 ROC 곡선의 결과물은 무엇이 더 낫다고 결정하기 어렵다. 본 논문에서는, 혼합 정규분포의 베이지안 분포를 가정하고, 모의실험을 통해 마코브 연쇄 몬테카를로(MCMC)방법과 깁스 샘플러(Gibbs sampler)방법을 이용하여 모수를 추정하고 모의실험결과를 보여준다.; A Receiver Operating Characteristic (ROC) curve summarizes the performance of a two-class classifier across the range of possible thresholds. It plots the sensitivity versus one minus the specificity. Statistical packages such as SAS, SPSS produce ROC curve. But their outputs are not enough to decide which model is better than others. In this thesis, we propose the Bayesian ROC curve estimation with a normal mixture distribution and estimate parameters using Markov Chain Monte Carlo (MCMC) and Gibbs sampler methods. We demonstrate our results with some simulated datasets.