সিগন্যাল সনাক্তকরণ তত্ত্ব থেকে প্রাপ্ত মেট্রিকগুলিকে নিয়োগ না করে সিগন্যাল সনাক্তকরণের ডেটা বিশ্লেষণ করা বৈধ?


14

একটি সিগন্যাল সনাক্তকরণ পরীক্ষাটি সাধারণত পর্যবেক্ষককে (বা ডায়াগনস্টিক সিস্টেম) হয় সিগন্যাল বা নন-সিগন্যাল সহ উপস্থাপন করে এবং পর্যবেক্ষককে উপস্থাপিত আইটেমটি সিগন্যাল বা নন-সিগন্যাল বলে মনে করে কিনা তা জানাতে বলা হয়। এই জাতীয় পরীক্ষাগুলি এমন ডেটা দেয় যা 2x2 ম্যাট্রিক্স পূরণ করে: বিকল্প পাঠ

সিগন্যাল সনাক্তকরণ তত্ত্ব এমন উপাত্তকে উপস্থাপন করে এমন একটি দৃশ্যের প্রতিনিধিত্ব করে যেখানে "সিগন্যাল / নন-সিগন্যাল" সিদ্ধান্ত সিগন্যাল-নেসের ধারাবাহিকতার উপর ভিত্তি করে যেখানে সিগন্যাল পরীক্ষাগুলি সাধারণত অ সিগন্যাল পরীক্ষার চেয়ে বেশি মূল্য থাকে এবং পর্যবেক্ষক কেবল একটি মানদণ্ডের মান চয়ন করে যার উপরে তারা "সংকেত" প্রতিবেদন করবে:

বিকল্প পাঠ

উপরের চিত্রটিতে, সবুজ এবং লাল বিতরণ যথাক্রমে "সিগন্যাল" এবং "নন-সিগন্যাল" বিতরণকে উপস্থাপন করে এবং ধূসর রেখা একটি প্রদত্ত পর্যবেক্ষকের নির্বাচিত মানদণ্ডকে উপস্থাপন করে। ধূসর রেখার ডানদিকে, সবুজ বক্ররেখার নীচের অঞ্চলটি হিটগুলি উপস্থাপন করে এবং লাল বক্ররেখার নীচে অঞ্চলটি মিথ্যা অ্যালার্মগুলি উপস্থাপন করে; ধূসর রেখার বাম দিকে, সবুজ বক্ররেখার অধীনে অঞ্চলটি মিস করে এবং লাল বক্ররেখার নীচু অঞ্চলটি সঠিক প্রত্যাখ্যানকে উপস্থাপন করে।

যেমনটি কল্পনা করা যেতে পারে, এই মডেল অনুসারে, উপরের 2x2 টেবিলের প্রতিটি কক্ষের মধ্যে যে প্রতিক্রিয়া রয়েছে তার অনুপাত নির্ধারণ করে:

  1. সবুজ এবং লাল বিতরণ (বেস রেট) থেকে নমুনাযুক্ত পরীক্ষার তুলনামূলক আনুপাতিক হার
  2. পর্যবেক্ষক দ্বারা নির্বাচিত মানদণ্ড
  3. বিতরণ মধ্যে বিচ্ছেদ
  4. প্রতিটি বিতরণের বৈচিত্র
  5. বিতরণের মধ্যে বৈষম্যের সাম্যতা থেকে যে কোনও প্রস্থান (ভিন্নতার সমতা উপরে চিত্রিত করা হয়েছে)
  6. প্রতিটি বিতরণের আকার (উভয় উপরে গাউসিয়ান)

প্রায়শই # 5 এবং # 6 এর প্রভাবগুলি পর্যবেক্ষককে বিভিন্ন মানদণ্ডের বিভিন্ন স্তরের সিদ্ধান্ত নেওয়ার মাধ্যমেই মূল্যায়ন করা যেতে পারে, সুতরাং আমরা আপাতত এটিকে উপেক্ষা করব। অতিরিক্ত হিসাবে, # 3 এবং # 4 কেবল একে অপরের সাথে আপেক্ষিকভাবে উপলব্ধি করে (উদাহরণস্বরূপ, বিতরণের পরিবর্তনের তুলনায় বিচ্ছেদ কত বড়?), "বৈষম্য" (যা ডি হিসাবেও পরিচিত) এর পরিমাপের দ্বারা সংক্ষিপ্তসারিত হয়। সুতরাং, সিগন্যাল সনাক্তকরণ তত্ত্ব সিগন্যাল সনাক্তকরণ তথ্য থেকে দুটি বৈশিষ্ট্যের অনুমানের প্রমাণ দেয়: মানদণ্ড এবং বৈষম্য।

যাইহোক, আমি প্রায়শই লক্ষ্য করেছি যে গবেষণা প্রতিবেদনগুলি (বিশেষত চিকিত্সা ক্ষেত্র থেকে) সংকেত সনাক্তকরণ কাঠামো প্রয়োগ করতে ব্যর্থ হয় এবং পরিবর্তে "ইতিবাচক ভবিষ্যদ্বাণী মান", "নেতিবাচক ভবিষ্যদ্বাণীমূলক মান", "সংবেদনশীলতা" এবং "নির্দিষ্টতা" জাতীয় পরিমাণ বিশ্লেষণ করার চেষ্টা করে ", এগুলির সবগুলি উপরের 2x2 সারণী থেকে আলাদা প্রান্তিক মান উপস্থাপন করে ( সম্প্রসারণের জন্য এখানে দেখুন )।

এই প্রান্তিক বৈশিষ্ট্যগুলি কোন ইউটিলিটি সরবরাহ করে? আমার প্রবণতা এগুলিকে সম্পূর্ণ উপেক্ষা করার কারণ তারা তাত্ত্বিকভাবে স্বাধীন মানদণ্ড এবং বৈষম্যবাদের প্রভাবকে বিভ্রান্ত করে, তবে সম্ভবত তাদের সুবিধাগুলি বিবেচনা করার জন্য আমার কেবল ধারণার অভাব নেই।


আপনি কীভাবে মানদণ্ড অনুমান করতে পারেন ? উদাহরণস্বরূপ, দীর্ঘস্থায়ী ক্লান্তি সিন্ড্রোম নির্ধারণের জন্য একজন চিকিত্সকের মানদণ্ড অন্যর চেয়ে আলাদা হতে পারে তবে আপনি এটি অনুমান করতে পারেন এমন জিনিসটি আমি দেখতে পাচ্ছি না ।
onestop

এই প্রশ্নের সাথে কিছুই করার নেই, পাঠ্যের উপর কেবল কিছু নির্লজ্জ প্রশ্ন :): আপনি কীভাবে "বন্টনগুলির মধ্যে বিচ্ছিন্নতা" সংজ্ঞায়িত করবেন এবং বিতরণের বৈচিত্রের যুক্ত মূল্য কী? ডিস্ট্রিবিউশনগুলি গাউসি না হলে কী হবে? আপনি কি মোট ভিন্নতার দূরত্ব সম্পর্কে শুনেছেন?
রবিন গিরার্ড

উত্তর:


3

পজিটিভ প্রেডিকটিভ ইনফ্লুয়েন্স (পিপিভি) একটি ভাল পরিমাপ নয়, এটি কেবল উভয় প্রক্রিয়া (বৈষম্য এবং প্রতিক্রিয়া পক্ষপাত )কে বিভ্রান্ত করে না, তবে আইটেম বেস-রেটের কারণেও। পি (সিগন্যাল | "হ্যাঁ") এর মতো উত্তরোত্তর সম্ভাবনাগুলি ব্যবহার করা ভাল which

পি(গুলিআমিএনএকটি|Yগুলি)=পি(গুলিআমিএনএকটি)পি(এইচআমিটি)পি(গুলিআমিএনএকটি)পি(এইচআমিটি)+ +পি(এনআমিগুলি)পি(এফএকটিগুলিএকজনএকটিRমি)

তবে ... এটা ভাল কিসের জন্য ?? ভাল, নির্দিষ্ট ফলাফলের সম্ভাব্যতা সর্বাধিক / কমিয়ে আনতে প্রতিক্রিয়া মানদণ্ডকে সামঞ্জস্য করার জন্য এটি কার্যকর। সুতরাং, এটি সংবেদনশীলতা এবং প্রতিক্রিয়া পক্ষপাতমূলক পদক্ষেপের পরিপূরক যা এই অর্থে যে এটি প্রতিক্রিয়া পক্ষপাতের পরিবর্তনের ফলাফলগুলি সংক্ষিপ্ত করতে সহায়তা করে।

পরামর্শের একটি শব্দ: আপনি যদি 2x2 ফলাফল ম্যাট্রিক্সের সাথে আঁকড়ে থাকেন যা মূলত কেবল আপনাকে ডি'র মতো সংবেদনশীলতা পরিমাপ করতে দেয়, এসডিটি নিয়েও বিরক্ত করবেন না এবং কেবল হিটস-ফ্যালিজ এলার্ম ব্যবহার করবেন না। উভয় পদক্ষেপের (ডি 'এবং (এইচএফ)) এর 9 of6 এর পারস্পরিক সম্পর্ক রয়েছে (বিএস সনাক্তকরণ তাত্ত্বিকরা যেভাবেই আসুক না কেন)

আশা করি এটি চিয়ার্সকে সহায়তা করবে


আপনি কোন ধরণের প্রসারিত ফলাফলের পরিমাপটি মনে রেখেছেন (2x2 ফলাফলের ম্যাট্রিক্সের পরিবর্তে)? এবং আপনি ডি 'এবং হিট রেট-মিথ্যা বিপদাশঙ্কার হারের মধ্যে পারফেকশন সম্পর্কিত শেষ দাবির কোনও উত্স সরবরাহ করতে পারেন?
স্পেল্ডোসা

2

আপনি তুলনা করছেন "একটি পরিচিত বিস্তৃততা এবং পরীক্ষার মানদণ্ডের ভিত্তিতে কোনও ইতিবাচক পরীক্ষার ফলাফল সঠিক হওয়ার সম্ভাবনা কী?" "এই ধরণের বিভিন্ন সংকেতের প্রতি অজানা সিস্টেমের সংবেদনশীলতা এবং পক্ষপাত কী?"

আমার কাছে মনে হয় যে দুজনেই কিছু কিছু অনুরূপ তত্ত্ব ব্যবহার করে তবে তাদের সত্যিকারের উদ্দেশ্য খুব আলাদা। চিকিত্সা পরীক্ষার সাথে মানদণ্ড অপ্রাসঙ্গিক। এটি অনেক ক্ষেত্রে একটি পরিচিত মানে সেট করা যেতে পারে। সুতরাং, পরীক্ষার মানদণ্ড নির্ধারণ করা অর্থহীন wards সিগন্যাল সনাক্তকরণ তত্ত্ব এমন সিস্টেমগুলির পক্ষে সেরা যেখানে মানদণ্ড অজানা। তদুপরি, বিস্তৃতি বা সংকেত একটি নির্দিষ্ট (এবং প্রায়শই খুব ছোট) মান হিসাবে প্রবণ হয়। এসডিটি দিয়ে আপনি প্রায়শই কিছু সাধারণ বর্ণনাকারী হিসাবে খুব জটিল পরিস্থিতি মডেলিংয়ের বিভিন্ন পরিবর্তনের সিগন্যালের চেয়ে একটি গড় ডি 'কাজ করেন। যখন মানদণ্ড এবং সংকেত উভয়ই জ্ঞাত পরিমাণগুলি স্থির করা হয় তখন এসডিটি আপনাকে আকর্ষণীয় কিছু বলতে পারে? একটি মৌলিক সরল সমস্যার সাথে মোকাবিলা করার জন্য এটি অনেকগুলি গাণিতিক পরিশীলনের মতো বলে মনে হয়।


2

এটি একটি অতি-সরলকরণ হতে পারে, তবে নির্দিষ্টতা এবং সংবেদনশীলতা হ'ল কার্য সম্পাদনের ব্যবস্থা এবং যখন সিগন্যালের প্রকৃতির কোনও উদ্দেশ্য জ্ঞান না থাকে তখন ব্যবহার করা হয়। মানে আপনার ঘনত্ব বনাম সিগন্যালনেস প্লট এমন একটি পরিবর্তনশীল ধরেছে যা সংকেতকে মাপ দেয়। খুব উচ্চ মাত্রিক, বা অসীম-মাত্রিক ডেটা এবং সংকেত তৈরির প্রক্রিয়াটির একটি কঠোর, প্রমাণযোগ্য তত্ত্ব ব্যতিরেকে, ভেরিয়েবলের নির্বাচনটি অপ্রয়োজনীয়। তারপরে প্রশ্ন ওঠে যে, কেন এইরকম পরিবর্তনশীল বাছাই করার পরে, এর সংখ্যাসূচক বৈশিষ্ট্যগুলি যেমন সংকেত এবং অ-সিগন্যালের জন্য গড় এবং বৈকল্পিককে পরিমাণযুক্ত নয়। অনেক ক্ষেত্রে, চলকটি কেবল সাধারণ, পইসন বা তাত্পর্যপূর্ণভাবে বিতরণ করা যায় না। এটি এমনকি প্যারামিমেট্রিকও হতে পারে, যার ক্ষেত্রে বিচ্ছিন্নতার পরিমাণের পার্থক্য হিসাবে পৃথকীকরণের পরিমাণ নির্ধারণ করা ইত্যাদি, খুব একটা বোধগম্য হয় না। এছাড়াও, বায়োমেডিকাল ক্ষেত্রে প্রচুর সাহিত্য অ্যাপ্লিকেশনগুলিতে মনোনিবেশ করা হয়েছে এবং আরওসি, নির্দিষ্টতা-সংবেদনশীলতা ইত্যাদি সমস্যার সীমিত প্রকৃতির ক্ষেত্রে পদ্ধতির তুলনা করার জন্য উদ্দেশ্য মানদণ্ড হিসাবে ব্যবহার করা যেতে পারে এবং মূলত এগুলিই দরকার. কখনও কখনও লোকেরা বর্ণনা করতে আগ্রহী না হতে পারে, বলুন, রোগাক্রান্ত বনাম নিয়ন্ত্রণের বিষয়গুলির মধ্যে জিন 1 বনাম জিন 2 ট্রান্সক্রিপ্টের প্রাচুর্যের অনুপাতের প্রকৃত বিচ্ছিন্ন সংস্করণ লগ-গামা বিতরণ করুন, তবে গুরুত্বের একমাত্র বিষয় হ'ল এটি উন্নত কিনা এবং এর কতটা বৈচিত্র রয়েছে ফিনোটাইপ বা রোগের সম্ভাবনা এটি ব্যাখ্যা করে। সমস্যার সীমাবদ্ধ প্রকৃতির ক্ষেত্রে পদ্ধতির তুলনা করার জন্য উদ্দেশ্যমূলক মানদণ্ড হিসাবে ব্যবহার করা যেতে পারে, এবং মূলত এটি যা প্রয়োজন। কখনও কখনও লোকেরা বর্ণনা করতে আগ্রহী না হতে পারে, বলুন, রোগাক্রান্ত বনাম নিয়ন্ত্রণের বিষয়গুলির মধ্যে জিন 1 বনাম জিন 2 ট্রান্সক্রিপ্টের প্রাচুর্যের অনুপাতের প্রকৃত বিচ্ছিন্ন সংস্করণ লগ-গামা বিতরণ করুন, তবে গুরুত্বের একমাত্র বিষয় হ'ল এটি উন্নত কিনা এবং এর কতটা বৈচিত্র রয়েছে ফিনোটাইপ বা রোগের সম্ভাবনা এটি ব্যাখ্যা করে। সমস্যার সীমাবদ্ধ প্রকৃতির ক্ষেত্রে পদ্ধতির তুলনা করার জন্য উদ্দেশ্যমূলক মানদণ্ড হিসাবে ব্যবহার করা যেতে পারে, এবং মূলত এটি যা প্রয়োজন। কখনও কখনও লোকেরা বর্ণনা করতে আগ্রহী না হতে পারে, বলুন, রোগাক্রান্ত বনাম নিয়ন্ত্রণের বিষয়গুলির মধ্যে জিন 1 বনাম জিন 2 ট্রান্সক্রিপ্টের প্রাচুর্যের অনুপাতের প্রকৃত বিচ্ছিন্ন সংস্করণ লগ-গামা বিতরণ করুন, তবে গুরুত্বের একমাত্র বিষয় হ'ল এটি উন্নত কিনা এবং এর কতটা বৈচিত্র রয়েছে ফিনোটাইপ বা রোগের সম্ভাবনা এটি ব্যাখ্যা করে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.