Questions tagged «sensitivity-analysis»

有人可以向我解释清楚将两个陈述（a）和（b）链接在一起的数学逻辑吗？让我们有一组值（一些分布）。现在， a）中位数不取决于每个值[它仅取决于一个或两个中间值]；b）中位数是从中得出的最小绝对偏差之和的轨迹。 与此相反， a）（算术）均值取决于每个值；b）均值是与之最小平方和偏差的轨迹。 到目前为止，我对它的理解是直观的。

18 mean  median  robust  sensitivity-analysis 

在回答一个已经回答的问题之后（从单层前馈网络提取权重重要性），我正在寻找关于神经网络中输入相关性的推论。 考虑到一个深层网络，通过从感兴趣的输出节点向后遍历各层来重建输入的重要性可能很困难或很耗时，我想知道在进行神经网络的敏感性分析时是否存在一些理论框架，基本上改变了一个输入并考虑感兴趣的输出节点如何变化。 在神经网络中是否存在执行某种敏感性分析的规范方法？ 如果有的话，我真的很欢迎一些Python代码这样做

14 neural-networks  python  feature-selection  sensitivity-analysis 

我试图了解如何计算ROC曲线的最佳切点（灵敏度和特异性最大化的值）。我正在使用aSAH包中的数据集pROC。 该outcome变量可以由两个独立变量解释：s100b和ndka。使用该Epi包的语法，我创建了两个模型： library(pROC) library(Epi) ROC(form=outcome~s100b, data=aSAH) ROC(form=outcome~ndka, data=aSAH) 以下两个图形说明了输出： 在第一个图表（s100b）中，该函数表示最佳切点位于对应于的值lr.eta=0.304。在第二张图（ndka）中，最佳切点位于的对应值上lr.eta=0.335（的含义lr.eta）。我的第一个问题是： 什么是相应s100b和ndka的值lr.eta值表示（是什么方面的最佳临界点s100b和ndka）？ 第二个问题： 现在，假设我创建一个同时考虑了两个变量的模型： ROC(form=outcome~ndka+s100b, data=aSAH) 获得的图形为： 我想知道ndkaAND 的值是什么，s100b通过该函数可以最大程度地提高敏感性和特异性。换句话说：是什么样的价值观ndka和s100b我们已SE = 68.3％和SP = 76.4％（从图表中获取的值）？ 我想第二个问题与multiROC分析有关，但是该Epi软件包的文档并未解释如何为模型中使用的两个变量计算最佳切点。 我的问题与reasearchGate的问题非常相似，简而言之： 确定代表灵敏度和特异性之间更好权衡的临界值很简单。但是，对于多变量ROC曲线分析，我注意到大多数研究人员都将注意力集中在确定AUC上几个指标（变量）线性组合的整体准确性的算法上。[...] 但是，这些方法并未提及如何确定与多个指标相关联的临界值组合，以提供最佳的诊断准确性。 Shultz在他的论文中提出了一种可能的解决方案，但是从本文中，我无法理解如何为多元ROC曲线计算最佳切点。 也许Epi包装中的解决方案不是理想的，所以任何其他有用的链接将不胜感激。

14 r  roc  sensitivity-analysis  sensitivity-specificity 

我正在进行多层次的荟萃分析，其中包括一些具有多种结果的文章。因此，我正在使用该rma.mv()功能。示例代码： test.main = rma.mv(yi,vi,random = ~1|ID, data = data) 我有两个问题： 我在上一个查询中了解到，使用时rma.mv()，ranktest()它不是漏斗图不对称性的可靠测试。但是，如果将样本方差作为主持人添加到原始模型中，则此模型将类似于Egger的检验： test.egger = rma.mv(yi,vi, mod = vi, random = ~1|ID, data = data) 该代码对该指南是否正确解释？另外，漏斗图作为rma.mv()模型的工具也（或多或少）无用吗？ 既不评估模型结果的敏感性leave1out()也无法trimfill()与之rma.mv()合作。当前是否可将其他敏感性分析工具用于rma.mv()不精通R的模型？

9 meta-analysis  sensitivity-analysis  publication-bias  funnel-plot