查找 ROC 曲线列表的外壳的代码（曲线集的上限和下限）

Question

我编写了代码来计算我在问题中要求的两行，如下图所示（所需行为红色）。

编辑：这是使用我的代码片段生成 ROC 曲线的预期图表（至少我很确定这是正确的）：

问题是所说的代码非常丑陋（这里甚至 post 都太长了）而且我想出的过程对我来说似乎非常乏味。然而我似乎想不出更好的办法。

这是生成 ROC 曲线输入列表的快速片段

library(MASS)
library(dplyr)

simple_roc <- function(labels, scores){
  labels <- labels[order(scores, decreasing=TRUE)]
  return(rbind(c(0,0,0),data.frame(TPR=cumsum(labels)/sum(labels), FPR=cumsum(!labels)/sum(!labels), labels)))
}

diab_data=rbind(data.frame(Pima.tr),data.frame(Pima.te))

roc_curves_list_logisitic=list()

for (k in 1:100) {

  #Set a fixed seed for reproducibility
  set.seed(k)

  # sampled_rows <- createDataPartition(diab_data$type, p = .7, list = FALSE)

  sampled_rows <- sample(1:nrow(diab_data), size=floor(0.7*nrow(diab_data)))

  diab_data_train=diab_data[sampled_rows,]
  diab_data_test=diab_data[-sampled_rows,]
  diab_data_train[,1:7]=scale(diab_data_train[,1:7])
  diab_data_test[,1:7]=scale(diab_data_test[,1:7])

  diab_data_train[,"type"]=as.numeric(as.character(recode_factor(diab_data_train[,"type"],`Yes` = "1", `No` = "0")))

  diab_data_test[,"type"]=as.numeric(as.character(recode_factor(diab_data_test[,"type"],`Yes` = "1", `No` = "0")))


  logistic_model_simple=glm(data=diab_data_train,as.formula(paste(colnames(diab_data_train)[8], "~",
                                                                  paste(colnames(diab_data_train)[-8], collapse = "+"),
                                                                  sep = "")),family=binomial(link = "logit"))

  roc_curves_list_logisitic[[k]]=simple_roc(diab_data_test[,"type"], 
                                            ifelse(predict(logistic_model_simple,diab_data_test,type='response')>0.5,1,0))

}

我现在正在寻求帮助，以防有人有 "beautiful" 解决方案来使用我提供的 ROC 曲线列表作为输入来生成此图中的两条红线（在 ggplot2 中）。

最好我最终得到两个数据帧 lower_bound_roc_curves 和 upper_bound_roc_curves，其中包含必要的值，以便在需要时分别绘制两条线。

提前致谢，

编辑 2：@denis 以下是我认为您的代码有误的部分：

Answer 1

我有 data.table 和 zoo 的解决方案。第一步是在所有曲线之间有一个共同的 FPR。它是能够绘制所有曲线的最大值和最小值。为此：

library(data.table)
library(zoo)

FPRlist <- unique(rbindlist(lapply(roc_curves_list_logisitic,function(ROC){
  rccurve <- as.data.table(ROC)
  rccurve[,.(FPR = FPR)]
})))

我创建了一个 table FPRlist 包含所有曲线中存在的所有 FPR。我将在将每条曲线与包含所有 FPR 的 table 合并后，并使用 na.locf 来完成缺失值。我使用 rbindlist 制作一个 table，每个 ROC 曲线都有一个 ID

results <- rbindlist(lapply(seq(roc_curves_list_logisitic),function(idx){
  rccurve <- as.data.table(roc_curves_list_logisitic[[idx]])
  rccurve <- merge(FPRlist,rccurve,all = T)
  rccurve[,TPR := na.locf(TPR,na.rm = F)] # I complete the values
  rccurve[,ID := idx] # I create an ID
  rccurve
}))

然后我计算每个 FPR 步骤的所有 ID（所有 ROC 曲线）的最大值和最小值

resultmax <- results[,.(TPR = max(TPR)),by = FPR]
resultmin <- results[,.(TPR = min(TPR)),by = FPR]

并按照绘制它的方式绘制它

ggplot()+
  geom_line(data = results,aes(FPR,TPR,color = as.factor(ID)))+
  theme_light() %+replace% theme(legend.position = "none")+
  geom_line(data = resultmax,aes(FPR,TPR),color = "red",size = 1)+
  geom_line(data = resultmin,aes(FPR,TPR),color = "red",size = 1)

我让dplyr翻译给dplyr用户，因为我不习惯。

编辑

我修改了我的绘图，以便与所有原始 ROC 曲线的绘图进行比较，没有任何合并，也没有 na.locf。可以看到我建议的红线确实遵循所有曲线的最大值和最小值。得到第二个图如下：

results2 <- rbindlist(lapply(seq(roc_curves_list_logisitic),function(idx){
  rccurve <- as.data.table(roc_curves_list_logisitic[[idx]])
  rccurve[,ID := idx] # I create an ID
  rccurve
}))

p2 <- ggplot()+
  geom_line(data = results2,aes(FPR,TPR,color = as.factor(ID)))+
  theme_light() %+replace% theme(legend.position = "none")

它只是绘制了 OS 问题中提供的列表中包含的所有 ROC 曲线。两列图是用 multiplot 函数获得的（参见 here）

查找 ROC 曲线列表的外壳的代码（曲线集的上限和下限）

Code to find the hull of a list of ROC curves (upper and lower limits of the set of curves)

r

confidence-interval

roc

编辑