YZ ve Sağlık
13 Makine Öğrenmesi Güz yarıyılı

Makine Öğrenmesine Giriş II: Model Değerlendirme ve ROC

Karışıklık matrisi, duyarlılık, özgüllük, PPV/NPV, ROC eğrisi ve eşik seçimi.

Ders planındaki başlık: Makine öğrenmesine giriş II: model değerlendirme (duyarlılık/özgüllük, ROC) ve tıpta önemi

Öğrenme hedefleri

Bu haftanın sonunda:

  • 1 Karışıklık matrisinden duyarlılık, özgüllük, PPV ve NPV hesaplar.
  • 2 ROC eğrisini çizer ve AUC'yi yorumlar.
  • 3 Klinik bağlama göre karar eşiğini tartışır.

Ders Notları

Ders notları ilerleyen haftalarda buraya eklenecektir.

Temel Kavramlar

  • Karışıklık matrisi — Doğru/yanlış pozitif ve negatif sayılarının tablosu.
  • Duyarlılık / özgüllük — Hastaları yakalama ve sağlıklıları doğru ayırma oranları.
  • ROC eğrisi ve AUC — Tüm eşiklerde duyarlılık–özgüllük dengesini gösteren eğri ve altındaki alan.
  • Eşik — Modelin “pozitif” demeye başladığı olasılık sınırı; klinik maliyete göre seçilir.

Tıptan Örnekler

  • Tarama testinde duyarlılığı yüksek tutmanın yanlış pozitif maliyeti.
  • Sepsis uyarı modelinde eşik düşürülünce alarm yorgunluğu.

Uygulama / Etkinlik

Geçen haftaki modelin ROC eğrisini çizin; AUC hesaplayın ve iki farklı eşikte duyarlılık/özgüllüğü karşılaştırın.

Tartışma Soruları

  1. Doğruluk (accuracy) tıpta neden çoğu zaman yanıltıcı bir ölçüttür?

Haftanın Özeti

Bir modelin klinik açıdan iyi olup olmadığını değerlendirmenin doğru ölçütlerini öğrendik.

Bu haftanın araçları

  • scikit-learn
  • Matplotlib

Etiketler:ROCduyarlılıközgüllükkarışıklık matrisiAUC