Générateur de courbe ROC gratuit
Créez une courbe ROC annotée avec l'AUC à partir d'un simple texte
Décrivez votre classifieur ou votre test diagnostique, l'AUC et tout seuil ou bande de confiance à montrer, et l'IA dessine une courbe ROC nette et professionnelle avec une diagonale du hasard — prête pour les devoirs de statistiques, l'évaluation de modèles et les articles de recherche.
Exemples de courbes ROC
Cliquez sur un exemple pour charger son prompt, ou utilisez-le comme point de départ pour votre propre courbe ROC.
Qu'est-ce qu'une courbe ROC ?
Une courbe ROC (courbe de la caractéristique de fonctionnement du récepteur) est un graphique qui trace le taux de vrais positifs (sensibilité) d'un classifieur en fonction de son taux de faux positifs (1 − spécificité) sur tous les seuils de décision, afin de voir avec quelle efficacité il sépare deux classes. Ce générateur de courbe ROC transforme une description en texte courant en un graphique net et annoté — vous décrivez votre modèle ou votre test diagnostique, l'AUC et tout seuil ou bande de confiance, et l'IA produit une figure aux proportions correctes avec des axes titrés, la courbe ROC, une diagonale du hasard et des annotations en option, le tout sans tableur ni code.
Pourquoi utiliser un générateur de courbe ROC
- Les courbes ROC sont la façon standard de résumer et comparer les performances des classifieurs et des tests diagnostiques sur tous les seuils en apprentissage automatique, en statistiques et en médecine.
- Construire une courbe ROC de qualité publication dans R, Python ou scikit-learn demande un travail de mise en forme qui détourne de l'analyse.
- Les élèves qui apprennent la sensibilité, la spécificité et l'AUC les comprennent bien mieux à partir d'une courbe ROC clairement annotée.
- Enseignants et chercheurs ont besoin de figures ROC et AUC rapides et présentables pour les diapositives, les comptes rendus de TP et les articles.
- Changer les modèles, les seuils ou la bande de confiance et régénérer est bien plus rapide que de modifier le code du tracé à la main.
Comment réaliser une courbe ROC
Décrivez le classifieur ou le test diagnostique et son AUC, et nommez les axes — taux de faux positifs (1 − spécificité) sur l'axe x et taux de vrais positifs (sensibilité) sur l'axe y. Ajoutez ensuite les éléments nécessaires : une diagonale du hasard en pointillés, plusieurs modèles avec une légende listant chaque AUC, un point de seuil optimal, ou une bande de confiance à 95 % ombrée. Générez la courbe ROC, vérifiez les axes, l'AUC et la forme de la courbe, et affinez la description si quelque chose n'est pas clair.
Les éléments d'une courbe ROC
- Axe x — le taux de faux positifs (1 − spécificité), la fraction de négatifs signalés à tort comme positifs.
- Axe y — le taux de vrais positifs (sensibilité), la fraction de positifs correctement identifiés.
- Courbe ROC — la ligne traçant la sensibilité en fonction du taux de faux positifs sur tous les seuils de décision.
- Diagonale du hasard — la diagonale en pointillés à 45° marquant un classifieur aléatoire sans pouvoir discriminant (AUC = 0,5).
- Valeur d'AUC — l'aire sous la courbe ROC, un nombre unique de 0,5 à 1,0 résumant la performance globale.
- Seuil optimal / point de fonctionnement — un point mis en évidence sur la courbe marquant le compromis sensibilité-spécificité choisi.
FAQ du générateur de courbe ROC
Qu'est-ce qu'une courbe ROC ?
Une courbe ROC (courbe de la caractéristique de fonctionnement du récepteur) est un graphique qui montre avec quelle efficacité un classifieur ou un test diagnostique sépare deux classes. Elle trace le taux de vrais positifs (sensibilité) en fonction du taux de faux positifs (1 − spécificité) sur tous les seuils de décision, de sorte qu'une courbe s'incurvant vers le coin supérieur gauche indique un meilleur modèle.
Qu'est-ce que l'AUC et que signifie-t-elle ?
L'AUC est l'aire sous la courbe ROC, un nombre unique de 0,5 à 1,0 qui résume la performance globale. Une AUC de 0,5 signifie que le modèle ne fait pas mieux que le hasard (la diagonale), tandis que 1,0 signifie une séparation parfaite. Elle peut se lire comme la probabilité que le modèle classe un cas positif aléatoire au-dessus d'un cas négatif aléatoire.
Comment faire une courbe ROC en ligne ?
Décrivez votre classifieur ou votre test diagnostique, son AUC et ce qui va sur chaque axe — taux de faux positifs (1 − spécificité) et taux de vrais positifs (sensibilité). Ce générateur de courbe ROC en ligne produit alors pour vous une courbe ROC nette et annotée avec une diagonale du hasard, sans tableur, formule ni code.
Que signifient la sensibilité et la spécificité ?
La sensibilité (le taux de vrais positifs) est la fraction de positifs réels que le test identifie correctement, tandis que la spécificité est la fraction de négatifs réels qu'il écarte correctement. L'axe y de la courbe ROC est la sensibilité et son axe x est le taux de faux positifs, qui égale 1 − spécificité, de sorte que la courbe montre le compromis entre détecter les positifs et éviter les fausses alertes.
Est-ce gratuit ?
Chaque génération utilise un petit nombre de crédits. Les nouveaux comptes reçoivent des crédits gratuits, ce qui vous permet de faire une courbe ROC sans aucun abonnement.
Cela convient-il à la classe, à la recherche ou aux rapports ?
Oui. Le générateur de courbe ROC produit des figures nettes et annotées adaptées aux devoirs de classe, aux comptes rendus de TP, aux posters et aux articles de recherche. Vérifiez toujours que la courbe, l'AUC et le point de seuil correspondent à la sortie de votre propre modèle avant d'utiliser la figure dans un rapport formel.
Découvrir plus d'outils
Créateur d'histogramme
Transformez des données et des classes en un histogramme de fréquences net et annoté, avec une courbe normale en option.
Essayer gratuitement
Créateur de boîte à moustaches
Générez des boîtes à moustaches nettes et annotées avec quartiles, moustaches et valeurs aberrantes à partir d'une description en texte courant.
Essayer gratuitement
Créateur de graphique en violon
Créez des graphiques en violon annotés avec des boîtes à moustaches internes et des formes de densité à partir d'une description en texte courant.
Essayer gratuitementBesoin d'autres graphiques statistiques ou scientifiques ?
Générez des forest plots, des courbes de Kaplan-Meier, des volcano plots et bien d'autres figures scientifiques avec SciDraw AI.
