从 R 中的交叉验证（训练）数据绘制 ROC 曲线

Question

我想知道是否有办法根据 caret 包生成的 SVM-RFE 模型的交叉验证数据绘制平均 ROC 曲线。

我的结果是：

Recursive feature selection

Outer resampling method: Cross-Validated (10 fold, repeated 5 times) 

Resampling performance over subset size:

 Variables    ROC   Sens   Spec Accuracy  Kappa  ROCSD SensSD SpecSD AccuracySD KappaSD Selected
         1 0.6911 0.0000 1.0000   0.5900 0.0000 0.2186 0.0000 0.0000     0.0303  0.0000         
         2 0.7600 0.3700 0.8067   0.6280 0.1807 0.1883 0.3182 0.2139     0.1464  0.3295         
         3 0.7267 0.4233 0.8667   0.6873 0.3012 0.2020 0.3216 0.1905     0.1516  0.3447         
         4 0.6989 0.3867 0.8600   0.6680 0.2551 0.2130 0.3184 0.1793     0.1458  0.3336         
         5 0.7000 0.3367 0.8600   0.6473 0.2006 0.2073 0.3359 0.1793     0.1588  0.3672         
         6 0.7167 0.3833 0.8200   0.6427 0.2105 0.1909 0.3338 0.2539     0.1682  0.3639         
         7 0.7122 0.3767 0.8333   0.6487 0.2169 0.1784 0.3226 0.2048     0.1642  0.3702         
         8 0.7144 0.4233 0.7933   0.6440 0.2218 0.2017 0.3454 0.2599     0.1766  0.3770         
         9 0.8356 0.6533 0.7867   0.7300 0.4363 0.1706 0.3415 0.2498     0.1997  0.4209         
        10 0.8811 0.6867 0.8200   0.7647 0.5065 0.1650 0.3134 0.2152     0.1949  0.4053        *
        11 0.8700 0.6933 0.8133   0.7627 0.5046 0.1697 0.3183 0.2147     0.1971  0.4091         
        12 0.8678 0.6967 0.7733   0.7407 0.4682 0.1579 0.3153 0.2559     

...
The top 5 variables (out of 10):
   SumAverage_GLCM_R1SC4NG2, Variance_GLCM_R1SC4NG2, HGZE_GLSZM_R1SC4NG2, LGZE_GLSZM_R1SC4NG2, SZLGE_GLSZM_R1SC4NG2

我已经尝试过这里提到的解决方案：

optSize <- svmRFE_NG2$optsize
selectedIndices <- svmRFE_NG2$pred$Variables == optSize
plot.roc(svmRFE_NG2$pred$obs[selectedIndices],
         svmRFE_NG2$pred$LUNG[selectedIndices])

但是这个方案好像不行（得出的AUC值相差很大）。我已经把训练过程的结果分成了50个交叉验证集，就像前面的回答中提到的，但我不知道下一步该怎么做。

resamples<-split(svmRFE_NG2$pred,svmRFE_NG2$pred$Variables)
resamplesFOLD<-split(resamples[[optSize]],resamples[[optSize]]$Resample)

有什么想法吗？

Answer 1

正如您已经做的那样，您可以 a) 在 caret::train 的 trainControl 参数中启用 savePredictions = T，然后，b) 从经过训练的模型对象中，使用 pred 变量 - 包含对所有分区和重新采样的所有预测 - 以计算您想要查看的任何 ROC 曲线。您现在有多个选项可以选择哪个 ROC，例如：

您可以查看所有分区的所有预测并立即重新采样：

plot(roc(predictor = modelObject$pred$CLASSNAME, response = modelObject$pred$obs))

或者您可以在 单个分区 and/or 重采样 上执行此操作（这是您在上面尝试过的）。以下示例计算每个分区和重采样的 ROC 曲线，因此 10 个分区和 5 次重复将产生 50 条 ROC 曲线：

library(plyr)
l_ply(split(modelObject$pred, modelObject$pred$Resample), function(d) {
    plot(roc(predictor = d$CLASSNAME, response = d$obs))
})

根据您的数据和模型，后者将给您生成的 ROC 曲线和 AUC 值带来一定的差异。您可以在为您的各个分区和重新采样计算的 AUC 和 SD 值 caret 中看到相同的方差，因此这是来自您的数据和模型并且是正确的。

顺便说一句：我使用 pROC::roc 函数来计算上面的示例，但您可以在这里使用任何合适的函数。而且，当使用 caret::train 时，无论模型类型如何，获得的 ROC 总是相同的。

Answer 2

我知道这个 post 是旧的，但我有同样的问题试图理解为什么在从每个重采样计算 ROC 值时以及在使用所有预测和重采样计算 ROC 值时得到不同的结果立刻。哪种计算ROC的方法是正确的？

（很抱歉 post 将此作为新答案，但我不允许 post 发表评论。）

从 R 中的交叉验证（训练）数据绘制 ROC 曲线

Plot ROC curve from Cross-Validation (training) data in R

r

r-caret

roc

auc