اختيار العلامات عن طريق تعظيم المساحة الجزئية تحت منحنى المنحنيات التشغيلية المستقبلية للمخاطر الخطية

بدلاً من عرض منحنيات الخصائص التشغيلية المستقبلية (ROC) مباشرةً لمقارنة أداء طرق التشخيص، تُعتبر المساحات الكاملة والجزئية تحت منحنى ROC (المساحة تحت منحنى ROC AUC والمساحة الجزئية تحت منحنى ROC pAUC) من اثنين من أكثر الملخصات استخدامًا للمنحنى. علاوة على ذلك، عندما تكون الخصوصية العالية شرطًا أساسيًا، كما هو الحال في بعض التشخيصات الطبية، يُفضل استخدام pAUC. في هذه الورقة، نقترح خوارزمية من النوع الغلاف لاختيار أفضل تركيبة خطية من العلامات التي تتمتع بحساسية عالية ضمن نطاق محدد من الخصوصية. العلامات المختارة بواسطة الخوارزمية المقترحة مختلفة عن تلك المختارة بواسطة الخوارزميات المعتمدة على AUC ولذلك توفر معلومات مختلفة للدراسات اللاحقة. ومن الجدير بالذكر، على سبيل المثال، أنه ضمن النطاق المعطى من الخصوصية، فإن العلامات المختارة بواسطة الخوارزمية المقترحة دائمًا ما تتمتع بحساسيات فردية أعلى من تلك المختارة بواسطة طرق أخرى تعتمد على AUC. هذه الخصيصة تجعل الطريقة المقترحة إضافة جيدة إلى الطرق الموجودة. دون افتراض التوزيعات الأساسية للعلامات، نثبت أن pAUC المستخرجة بواسطة الخوارزمية المقترحة هي تقدير متسق بقوة لـ pAUC الحقيقي، ثم نوضح أدائها من خلال دراسات عددية باستخدام بيانات مصنّعة ومثالين حقيقيين. تقارن النتائج بتلك التي تم الحصول عليها بواسطة نظيرها القائم على AUC. وجدنا أن أداء التصنيف للClassifier النهائي القائم على العلامات المختارة تنافسي للغاية.