auc的概念及计算方法

❶ 药理学auc名词解释

AUC给药后以血药浓度为纵坐标，以时间为横坐标所得曲线下的面积。通常可用积分法或梯形法求得。

AUC=药物浓度x时间，具有线性动力学特点的药物，AUC值与剂量成正比，因面用ALC，所以AUC可以表示服用某一剂量药物后一定时间内药物吸收入血的相对分量。还可通过比较血管外途径与静脉注射给药的AUC来确定该药的吸收分数。

血药浓度

为了做到合理用药，科学家们做了大量实验，发现这样一悉唤册个有意义的现象：不同的人，其有效的药物剂量变动很大，但是其安全有效的血药浓度变动却较小。一般不过1倍左右。当血药浓度大于安睁宏全有效范围，其毒副作用和表现及其程度在不同病人身上变动也较小。

再举苯妥英钠的例子，该药的安全有效血浓度范围在几乎所有病人均为10～20毫克/升。同链蠢样当苯妥英钠的血浓度超过安全范围，几乎所有病人都出现中毒反应。当血药浓度为20～30毫克/升时，病人则出现精神异常现象。

❷ auc原理与实现

AUC（Area under curve）是机器学习常用的二分类评测手段。
AUC：一简氏悉个正例，一个负例，预测为正的概率值比预测为负的概率值还要大的可能性。
所以根据定义：我们最直观的有两种计算AUC的方法

ROC曲线指受试者工作特征曲线 / 接收器操作特性曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线，曲线下面积越大，诊断准确性越高。

auc直接含义是ROC曲线下的面积，如下图：

AUC直观地反映了ROC曲线表达的分类能力。

假设采用逻辑回归分类器，其给出针对每个实例为正类的概率，那么通过拦乎设定一个阈值如0.6，概率大于等于0.6的为正类，小于0.6的为负类。对应的就可以算出一组(FPR,TPR),在平面中得到对应坐标点。随着阈值的逐渐减小，越来越多的实例被划分为正类，但是这些正类中同样也掺杂着真正的负实例，即TPR和FPR会同时增大。阈值最大时，对应坐标点为(0,0),阈值最小时，对应坐标点(1,1)。

一个通俗解释：

降序rank--> 去掉（正，核逗正）样本对数--> 求取比例

其实就是，按正样本score降序排列情况下，负样本pk失败的数目总数占所有样本对的比例。 （网上说取M，M-1，……1比M-1，M-2，……1更简便的，个人以为理解错了，其实不是去掉了比rank_i的score低的i-1个（正，正）样本对，而是留下了失败的（正，负）样本对）

知乎的解释： https://www.hu.com/question/39840928

参考：
https://blog.csdn.net/natsuka/article/details/78546645
https://blog.csdn.net/u013385925/article/details/80385873
https://zhuanlan.hu.com/p/35583721
https://blog.csdn.net/hnu2012/article/details/87892368

❸ AUC是什么的缩写，有什么含义

1、AUC是药时曲线下面积，代表药物键神的生物利用度（药物在人体中被吸收利用的程度），AUC大则生物利用度高，反之则低。

2、Cmax是指药物的峰值浓度。时间曲线上的最大血药浓度值，即用药后所能达到的最高血浆药物浓度。

3、Tmax是药物作用的峰值时间。指在给药后人体血浆药物浓度曲线上达到最高浓度（药峰浓度）所需的时间。

(3)auc的概念及计算方法扩展阅读

相关特点：

生物利用的程度（EBA）系指试验制剂与参比制剂吸收药物总量的比值，用以衡量药物吸收程度的大小。可用两者的血药浓度-时间曲线下的面积（AUC）之比来求算。

药峰浓度与药物的临床应用密切相关。药峰浓度达到有效浓度才能显效，而如高出了安全的范围则可显示毒性的反应。此外，药峰浓度还是衡量制剂吸收和安全性的重要指标。

药峰时间短，表示药物吸收快、起效迅速，但配衡同时消除也快；而药峰时间长稿卖亏，则表明药物吸收和起效较慢，药物作用持续时间也往往延长。

❹ auc计算方法总结

面试的时候回答的不清楚，学习&总结如下。
参考link

对于二值衡握盯分类器，评价指标主要有precision，recall，F-score(综合考虑precision和recall的调和值)

ROC曲线上的每个点反映着对同一信号刺皮前激的感受性。横坐标FPR越大，预测正类中实际上负类越多。纵坐标TPR越大，预测正类中实际正类越多。所以最好的情况是（0,1）时。

【其他知识点】
混淆矩阵

对一个特定的分类器和测试数据集，只能得到一个分类结果。需要一组FPR和TPR的值。

简单咐和来说就是，每个样本根据预测值排好序，然后依次将每个值当做阈值，计算该阈值下的FPR和TPR。

AUC（area under curve）即ROC曲线下的面积。（随机给定一个正样本和一个负样本，分类器输出该正样本为正的那个概率值 比 分类器输出该负样本为正的那个概率值 要大的可能性）

❺ 什么是AUC

首先，在理解什么是AUC之前，先要理解什么是混淆矩阵，这样对我们理解AUC会有很大的帮助。
混淆矩阵中有着TN、FP、FN、TP的概念，其意义如下：
True negative(TN)，称为真阴率，表明实际是负样本预测成负样本的样本数。
False positive(FP)，称为假阳率，表明实际是负样本旅悄预测成正样本的样本数。
False negative(FN)，称为假阴率，表明实际是正样本预测成负样本的样本数。
True positive(TP)，称为真阳率，表明实际是正样本预测成正样本的样本数。
对上述概念进行组合，就产生了如下的混淆矩阵：

然后，由此引出True Positive Rate（真阳率）、False Positive（伪阳率）两个概念：

按照定义，AUC即ROC曲线下的面积，而ROC曲线的横轴是FPRate，纵轴是TPRate，当二者相等时，即y=x，如下图，表示友镇明的意义是：对于不论真实类别是1还是0的样本，分类器预测为1的概率是相等的。

而我们希望分类器达到好告的效果是：对于真实类别为1的样本，分类器预测为1的概率（即TPRate），要大于真实类别为0而预测类别为1的概率（即FPRate），这样的ROC曲线是在y=x之上的，因此大部分的ROC曲线长成下面这个样子：

得到混淆矩阵如下：

❻ 矿机AUC是什么意思

就是下图这样一个东西，USB接口的挖矿用的计算设备。用专用软件驱动进行挖矿厅丛机孙伏宽计算。

不过..其实这玩意则亮的算力很差的。

❼ ROC曲线详解以及AUC的计算

对于而分类预测结果辩野有四种可能性(如图Fig 1):

true positive: 标签是正样本，预测成正样本；正确预测

false positive: 标签是负样本，预测成正样本；错误预测

true negative: 标签是负样本，预测成负样本；预测正确

false negative: 标签是正样本，预测成负样本；预测错误

本文提出来的方法利用阈值分类的单调性：对于给定阈值被分类为正的任何实例，对于所有较低阈值也将被分类为正。因此，我们可以简单地根据分数f递减排序测试实例，然后向下移动列表，一次处理一个实例，并在运行时更新TP和FP。

如何计算AUC？

方法一：

在有M个正样本核答,N个负样本的数据集里。一共有M*N对样本（一对样本即，一个正样本与一个负样本）。统计这M*N对样本里，正样本的预测概率大于负样本的预测概率的个数

假设有4条样本。2个正样本，2个负样本，那么M*N=4。即总共有4个样本对。分别是：

（D,B）,（D,A）,(C,B),（C,A）。

ID label  pro

A       0         0.1

B        0        0.4

C        1        0.35

D        1        0.8

在（D,B）样本对携氏喊中，正样本D预测的概率大于负样本B预测的概率（也就是D的得分比B高），记为1

同理，对于（C,B）。正样本C预测的概率小于负样本C预测的概率，记为0.

因此四个配对的的得分为1，1，0，1

AUC = 3/4 = 0.75

————————————————

参考链接：https://blog.csdn.net/qq_22238533/article/details/78666436

❽ AUC是什么意思

1、AUC被定义为ROC曲线数知下的面积。往往使用AUC值作为模型的评价薯含消标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好，而作为一老答个数值，对应AUC更大的分类器效果更好。

其中，ROC曲线全称为受试者工作特征曲线 ，它是根据一系列不同的二分类方式，以真阳性率感为纵坐标，假阳性率为横坐标绘制的曲线。

AUC就是衡量学习器优劣的一种性能指标。从定义可知，AUC可通过对ROC曲线下各部分的面积求和而得。

2、AUC面积的意义：AUC是衡量二分类模型优劣的一种评价指标，表示预测的正例排在负例前面的概率。

(8)auc的概念及计算方法扩展阅读：

AUC相关含义：

1、AUC是GSM系统的安全性管理单元，存储用以保护移动用户通信不受侵犯的必要信息。AUC一般与HLR合置在一起，在HLR/AUC内部，AUC数据作为部分数据表存在。

2、AUC是一个定位中高端的高品质3C数码产品配件品牌，产品追求高品质同时具备时尚个性气息。AUC是深圳市宝悦科技有限公司所持有的商标。

公司以原创设计原则主，同时也会改善其他的设计，公司始终注重产品质量，发展品牌，是AUC品牌有别于行业其它品牌的发展策略。公司总部设立在于创意之都深圳，并相继在香港、英国、新加坡、马来西亚等开设分公司及办事处。

参考资料来源：网络-AUC（ROC曲线下方的面积大小）

❾ 药时曲线下面积怎么算

由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。

其中，ROC曲线全称为受试者工作特征曲线，它是根据一系列不同的二分类方式（分界值或决定阈），以真阳性率（敏感性）为纵坐标，假阳性率（1-特异性）为横坐标绘制的曲线。

药时曲线下面积（AUC）代表药物的生物利用度（药物在人体中被吸收利用的程度），AUC大则生物利用度高，反之则低。慎差

曲线下面积

AUC给药后以血药浓度为纵坐标，以时间为横坐标所得曲线下的面积。通常可用积分宽慧皮法或梯形法求得。AUC=药物浓度x时间，具有线性动力学特点的药物，AUC值与剂量成正比，因面用AL.'C，所以AUC可以表示服用某一剂量药物后一定时间内药碧宽物吸收入血的相对分量。还可通过比较血管外途径与静脉注射给药的AUC来确定该药的吸收分数。

以上内容参考：网络-曲线下面积

❿ 请问：什么是AUC

卡铂剂量（mg）=所设定的AUC（mg/ml/min）×［肌酐清除率蔽改轿（ml/min）+25］。

药时曲线下面积(AUC)是坐标轴与药时曲线围成的面积，反映药物进入体循环的相对量。

血药浓度曲线对时间轴所包围的面积。该参数是评价药物吸收程度的重要指标，反映药物在体内的暴露特性。

由于药动学研究中血药浓度只能观察至某时间点t，因此AUC有两种表示方式: AUC(0-t)和AUC(0-∞)，前者根据梯形面积法得到，后者计算式: AUC(0-∞) = AUC(0-t) + 末端点浓度/末端消除速率。

卡歼昌铂 Carboplatin 1980年由Clear等发现宏肆，1986年首先在英国上市，美国FDA 1989年批准上市，应用逐渐推广。我国1990年批准生产卡铂粉、针剂。