Traitement automatique du signal ECG pour l'aide au diagnostic de ...

CHAPITRE 3. EFFET DU SOUS-ÉCHANTILLONNAGE 30
se = vp/(fn + vp) = vp/N+
(3.26)
sp = vn/(vn + fp) = vn/N−
(3.27)
prc = vpc/Nc
(3.28)
vp + vn
.
vp + vn + fp + fn
(3.29)
prtot =
La courbe de ROC est un graphe montrant la sensibilité en abscisse et un
moins la spécificité en ordonnée. L’aire sous la courbe de ROC permet d’obtenir
un simple scalaire.
Dans le cas présent, la matrice de confusion comportera quatre lignes et donc
quatre colonnes puisque C = 4. Bien que les concepts précédents soient généralisables
à plusieurs classes, une autre manière de résumer la matrice de confusion
a été choisie.
p r e d
1 2 3 4
N V S F
r 1 N x x x x
é 2 V x x x x
e 3 S x x x x
l 4 F x x x x
Table 3.5 – Matrice de confusion à quatre classes (C = 4).
Le taux de classification équilibré (balanced classification rate, BCR en anglais)
est défini à deux classes comme la moyenne entre la sensibilité et la spécificité.
A plus de deux variables, on peut généraliser le BCR en le définissant
comme la moyenne des précisions.
C
BCR = ( prc)/C
c=1
Cependant, la moyenne géométrique est préférable à la moyenne arithmétique :
elle pénalise plus le résultat si l’une des précisions est très faible. Elle est utilisée
dans [1], [7].
C
BCR = ( prc) 1/C
c=1
Des tests préliminaires (non rapportés ici), ont montré que la seconde définition
du BCR donnait en effet les meilleurs résultats.
Celle-ci est utilisée dans la méthode forward et dans les validations.