【原】为啥会出现这样的ROC曲线，怎么解决呢？

导读

松哥统计说

  我们都知道，ROC用于诊断疾病指标的阈值筛选，正常ROC都是在对角线的上方的，可是很多人在实际研究中，都会遇到不可预知的情况。

    对于第一张图，到底是何种原因呢？该图做了4个指标，其中3个都在对角线上方，1个在下方。对角线上方的肚子越大，该指标的诊断价值就越高。然后对于对角线下的指标，AUC<0.5的，一般认为都是毫无价值的指标。

    然而，SPSS软件进行ROC曲线时，默认的都是大优指标（如下图），啥意思？就是指标的取值越大，发生疾病的风险就越高。

   

然而，有的指标是越小越容易生病，如红细胞数，越少越容易贫血。如果您直接进行ROC，则会出现曲线在对角线下的情况。

那么此时，只要选择小优指标，则会再次回到对角线上方。

关键问题是，当有多个指标，有的是大优，有的是小优，如何做到一张ROC   曲线图中呢？

我们只要对小优指标取倒数，倒数后的指标与其他大优指标一起制作ROC曲线，那么就全部在曲线上方了。

你可能会纳闷，取倒数后会不会改变数据的真实性。没关系，松哥测试过了。对于小优指标，如果ROC曲线选择的是小优指标的图形，与取倒数后完全重合，因此是等价的。