000110359 001__ 110359 000110359 005__ 20220210105303.0 000110359 037__ $$aTAZ-TFG-2021-2928 000110359 041__ $$aspa 000110359 1001_ $$aPalacio Lacasta, Jorge 000110359 24200 $$aAn introduction to ROC curves for binary classifiers 000110359 24500 $$aIntroducción a las curvas ROC para clasificadores binarios 000110359 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2021 000110359 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000110359 520__ $$aLa curva ROC (receiver operating characteristic) es una representación gráfica la cuál mide la capacidad diagnóstica de un clasificador binario al variar su umbral de decisión. Su uso está muy extendido en diversos campos como por ejemplo, en la medicina o en el aprendizaje automático supervisado. Dicha curva se puede representar como una expresión directa entre funciones de distribución de variables aleatorias por lo que se pueden aplicar técnicas estadísticas para estimarla. El objetivo de este trabajo es revisar las principales propiedades matemáticas de la curva poblacional, así como describir los principales métodos estadísticos para estimarla. Por último, consideramos la presencia de covariables y analizamos cómo incorporar esta información adicional en las curvas ROC. Terminamos con una aplicación a datos reales utilizando las últimas bibliotecas de R relacionadas con este tema.<br /><br /> 000110359 521__ $$aGraduado en Matemáticas 000110359 540__ $$aDerechos regulados por licencia Creative Commons 000110359 700__ $$aAlcalá Nalvaiz, José Tomás$$edir. 000110359 7102_ $$aUniversidad de Zaragoza$$b $$c 000110359 8560_ $$f736223@unizar.es 000110359 8564_ $$s541881$$uhttps://zaguan.unizar.es/record/110359/files/TAZ-TFG-2021-2928.pdf$$yMemoria (spa) 000110359 909CO $$ooai:zaguan.unizar.es:110359$$pdriver$$ptrabajos-fin-grado 000110359 950__ $$a 000110359 951__ $$adeposita:2022-02-10 000110359 980__ $$aTAZ$$bTFG$$cCIEN 000110359 999__ $$a20210627135152.CREATION_DATE