Receiver operating characteristic: differenze tra le versioni

Versione delle 01:52, 21 set 2015

Versione delle 11:57, 12 lug 2016

Riga 1:

[[File:ROCfig.PNG|thumb|Un esempio di curva ROC.]]

Nella [[Ricerca operativa|teoria delle decisioni]], le '''curve ROC''' ('''Receiver Operating Characteristic''' o anche note come '''Relative Operating Characteristic'''<ref>{{Cita web|url=http://www.dipveterinaria.unipr.it/arpasites/facvetst18/annalifiles/2003allegatiparagrafo/4916-09-2013/annali2003.pdf|titolo=Un approccio per la valutazione della validità dei test diagnostici: le curve R.O.C. (Receiver Operating Characteristic)|autore=Ezio Bottarelli, Stefano Parodi|editore=|data=|accesso=12 luglio 2016}}</ref>) sono degli schemi grafici per un classificatore binario. Lungo i due assi si possono rappresentare la sensibilità e (1-specificità), come ''True Positive Rate'' (vero positivo) e ''False Positive Rate'' (falso positivo). In altre parole, si studiano i rapporti fra allarmi veri (''hit rate'') e falsi allarmi.

Le curve ROC furono utilizzate per la prima volta da alcuni ingegneri elettrici durante la [[seconda guerra mondiale]], che volevano scovare i nemici utilizzando il [[radar]] durante le battaglie. Recentemente invece le curve ROC sono utilizzate anche in [[medicina]],<ref>Lusted, 1971</ref><ref>Erdrich 1981, Henderson, 1993</ref> [[radiologia]],<ref>Goodenough e coll., 1974; Hanley e McNeil, 1982</ref> [[psicologia]], [[veterinaria]]<ref>Greiner, Pfeiffer e Smith, 2000</ref>, [[fisica]] e altri ambiti, come il [[machine learning]] e [[data mining]].