bioRxiv 预印本· Heinzman, C., Shang, Y., Guo, H., Duan, Y., He, M. ·· 5 天前AI 评分12
倾向性调整AUC对干扰模型设定错误的敏感性:病理图像队列中logistic与提升树模型调整后AUC差异达0.057
Propensity-Adjusted AUC under Nuisance-Model Misspecification
AI 导读
在Gaussian潜指数假设与精确线性指数分层下,可给出调整后AUC跌破0.5的闭式相关边界,数值积分与36个模拟格点吻合至0.008以内。在真实病理图像队列中,使用相同16个特征的logistic与提升树模型在同时通过两项检查的划分上,调整后AUC平均差距在AFB为0.057、Kaggle为0.048、PCam为0.049。作者建议在报告诊断指标时同时披露跨干扰模型的敏感性。
来源:bioRxiv 预印本 · biorxiv.org