如何使用 r 中的 ROCR 包绘制 ROC 曲线，只有分类偶然性 table

Question

如何使用 r 中的 ROCR 包绘制 ROC 曲线，只有分类偶然性 table?

我有一个意外事件 table 可以计算出真阳性、假阳性……等等。我有 500 次复制，因此有 500 tables。但是，我无法生成预测数据来指示估计概率和真相的每个案例。如果没有个人数据，我如何获得曲线。下面是使用的包指令。

## computing a simple ROC curve (x-axis: fpr, y-axis: tpr)
library(ROCR)
data(ROCR.simple)
pred <- prediction( ROCR.simple$predictions, ROCR.simple$labels)
perf <- performance(pred,"tpr","fpr")
plot(perf)

Answer 1

您无法使用单个意外事件 table 生成完整的 ROC 曲线，因为意外事件 table 仅提供单个 sensitivity/specificity 对（对于用于生成意外事件的任何预测截止值table).

如果您有许多使用不同截止值生成的偶然事件 table，您将能够近似 ROC 曲线（基本上它将是您的 sensitivity/specificity 值之间的线性插值应急 tables）。例如，让我们考虑使用逻辑回归预测鸢尾花数据集中的花是否为云芝：

iris$isv <- as.numeric(iris$Species == "versicolor")
mod <- glm(isv~Sepal.Length+Sepal.Width, data=iris, family="binomial")

我们可以使用标准 ROCR 代码来计算此模型的 ROC 曲线：

library(ROCR)
pred1 <- prediction(predict(mod), iris$isv)
perf1 <- performance(pred1,"tpr","fpr")
plot(perf1)

现在让我们假设我们拥有的不是 mod，而是具有多个预测截止值的偶然事件 table：

tables <- lapply(seq(0, 1, .1), function(x) table(iris$isv, factor(predict(mod, type="response") >= x, levels=c(F, T))))

# Predict TRUE if predicted probability at least 0
tables[[1]]
#     FALSE TRUE
#   0     0  100
#   1     0   50

# Predict TRUE if predicted probability at least 0.5
tables[[6]]
#     FALSE TRUE
#   0    86   14
#   1    29   21

# Predict TRUE if predicted probability at least 1
tables[[11]]
#     FALSE TRUE
#   0   100    0
#   1    50    0

从一个 table 到下一个 table 由于截止值增加，一些预测从 TRUE 变为 FALSE，通过比较连续 table 的第 1 列，我们可以确定其中哪些代表真阴性和假阴性预测。遍历我们有序的意外事件 table 列表，我们可以创建假的预测 value/outcome 对，我们可以将其传递给 ROCR，确保我们匹配每个意外事件 table 的 sensitivity/specificity。

fake.info <- do.call(rbind, lapply(1:(length(tables)-1), function(idx) {
  true.neg <- tables[[idx+1]][1,1] - tables[[idx]][1,1]
  false.neg <- tables[[idx+1]][2,1] - tables[[idx]][2,1]
  if (true.neg <= 0 & false.neg <= 0) {
    return(NULL)
  } else {
    return(data.frame(fake.pred=idx,
                      outcome=rep(c(0, 1), times=c(true.neg, false.neg))))
  }
}))

现在我们可以像往常一样将伪造的预测传递给 ROCR：

pred2 <- prediction(fake.info$fake.pred, fake.info$outcome)
perf2 <- performance(pred2,"tpr","fpr")
plot(perf2)

基本上我们所做的是对 ROC 曲线上的点进行线性插值。如果您有许多截止点的偶然性 tables，您可以更接近真实的 ROC 曲线。如果您没有广泛的截止值，您就无法准确地重现完整的 ROC 曲线。

如何使用 r 中的 ROCR 包绘制 ROC 曲线，只有分类偶然性 table

How to plot a ROC curve using ROCR package in r, with only a classification contingency table

plot

r

classification

roc

如何使用 r 中的 ROCR 包绘制 ROC 曲线，*只有分类偶然性 table*

How to plot a ROC curve using ROCR package in r, *with only a classification contingency table*

plot

r

classification

roc

如何使用 r 中的 ROCR 包绘制 ROC 曲线，只有分类偶然性 table

How to plot a ROC curve using ROCR package in r, with only a classification contingency table