如何使用 pROC 或 ROCR 包在 R 中根据预测的 class 概率计算 ROC 曲线下的面积？
How to compute area under ROC curve from predicted class probabilities, in R using pROC or ROCR package?
我使用 caret 库计算 class 二元 class 化问题的概率和预测，使用 10 折交叉验证和 5 次重复。
现在我有 TRUE（每个数据点的观察值）值，PREDICTED（通过算法）值，Class 0 概率 和 Class 1 概率 被算法用来预测 class 标签。
现在如何使用 ROCR 或 pROC 库创建一个 roc 对象，然后计算 auc 值？
假设我将所有这些值存储在 predictions 数据框中。例如predictions$pred和predictions$obs分别是预测值和真实值，依此类推...
由于您没有提供可重现的示例，我假设您有一个二进制分类问题并且您在 Class 上预测是 Good 或 Bad。
predictions <- predict(object=model, test[,predictors], type='prob')
你可以这样做：
> pROC::roc(ifelse(test[,"Class"] == "Good", 1, 0), predictions[[2]])$auc
# Area under the curve: 0.8905
我使用 caret 库计算 class 二元 class 化问题的概率和预测，使用 10 折交叉验证和 5 次重复。
现在我有 TRUE（每个数据点的观察值）值，PREDICTED（通过算法）值，Class 0 概率 和 Class 1 概率 被算法用来预测 class 标签。
现在如何使用 ROCR 或 pROC 库创建一个 roc 对象，然后计算 auc 值？
假设我将所有这些值存储在 predictions 数据框中。例如predictions$pred和predictions$obs分别是预测值和真实值，依此类推...
由于您没有提供可重现的示例，我假设您有一个二进制分类问题并且您在 Class 上预测是 Good 或 Bad。
predictions <- predict(object=model, test[,predictors], type='prob')
你可以这样做：
> pROC::roc(ifelse(test[,"Class"] == "Good", 1, 0), predictions[[2]])$auc
# Area under the curve: 0.8905