Generalización de la curva ROC sobre combinaciones lineales

S. Pérez Fernández, P. Martínez Camblor, N. Corral Blanco

La capacidad de un marcador para distinguir entre dos poblaciones tomando un punto de corte para discriminarlas suele representarse por medio de la curva ROC. Este gráfico muestra la relación entre las dos probabilidades de error en las que se incurre al clasificar haciendo variar al punto de corte a lo largo de la recta real. El área bajo la curva (AUC) es un índice muy utilizado para resumir la capacidad clasificatoria del marcador.
Dicha capacidad puede mejorarse considerando varios marcadores a la vez. Existen diversos métodos de estimación que buscan encontrar la combinación lineal óptima que maximiza el AUC.
En este trabajo, se compara la curva ROC resultante de dichos métodos con aquella proveniente de la generalización multivariante tomando dos puntos de corte sobre transformaciones lineales (extensión a relaciones no monótonas), por medio de un estudio de simulación sobre escenarios paramétricos en los que se conocen propiedades teóricas acerca de la optimalidad de la primera.

Palabras clave: Curva ROC; marcador multivariante; transformación lineal; AUC óptimo

ENP-1 Estadística no Paramétrica
4 de septiembre de 2019  14:45
I3L9. Edificio Georgina Blanes

R. Pelaez Suárez, R. Cao Abad, J. M. Vilar Fernández

A. Fanjul Hevia, W. González Manteiga, J. C. Pardo Fernández

P. Navarro Esteban, E. García Portugués, J. A. Cuesta Albertos