Questions tagged «d-prime»

在机器学习中，我们可以使用ROC曲线下的面积（通常缩写为AUC或AUROC）来总结系统在两个类别之间的区分程度。在信号检测理论中，通常将（灵敏度指标）用于类似目的。两者是紧密相连的，如果满足某些假设，我相信它们彼此等效。d′d′d' 的的计算通常是基于假设正态分布的信号分布（见维基链接以上，例如）呈现。ROC曲线计算不做此假设：它适用于任何可输出可阈值的连续值决策标准的分类器。d′d′d' 维基百科说是相当于。如果两个假设都满足，这似乎是正确的。但是，如果假设不相同，那就不是普遍真理。d′d′d'2AUC−12AUC−12 \text{AUC} - 1 将假设的差异描述为“ AUC对基本分布做出的假设更少”是否公平？还是实际上与AUC一样广泛适用，但是使用人们倾向于使用假设正态分布的计算只是一种惯例？我错过的基本假设是否还有其他差异？d′d′d'd′d′d'

13 machine-learning  roc  auc  signal-detection  d-prime 

我想为涉及检测新旧项目的存储任务计算d素数。我的问题是某些受试者的命中率为1和/或错误警报率为0，这使概率分别为100％和0％。 对于式d素是d' = z(H) - z(F)，在这里z(H)和z(F)分别命中率和假警报，的Z转换。 为了计算z变换，我使用Excel函数NORMSINV（即z(H)=NORMSINV(hit rate)）。但是，如果命中率或误报警率分别为1或0，该函数将返回错误。据我了解，这是因为z变换指示ROC曲线下的面积，在数学上不允许100％或0％的概率。在这种情况下，我不确定如何为具有天花板表现的拍摄对象计算d'。 一个网站建议用1-1 /（2N）和1 / 2N替换1和0比率，其中N为最大点击和错误警报数。另一个网站说“ H或F都不可以是0或1（如果是，请向上或向下稍微调整一下”）。这似乎是任意的。是否有人对此有意见或想向我指出正确的资源？

10 roc  excel  signal-detection  d-prime