pROC 如何处理多级因子标签？

Question

我正在计算 R 中模型的 AUC。该模型已经过训练以预测两级因子 (good/bad)。它已应用于具有三级结果（good/bad/缺失）的数据。我对得分部分很好。我根据每个观察的一组预测变量得到一个概率。

我不明白的部分是当我使用 roc(data$label, data$score) 计算 AUC 时会发生什么，因为现在 roc$label 有 3 个水平（good/bad/缺失），但是得分在只有 2 个级别 (good/bad) 的数据上进行训练。是否忽略了新级别？我是否应该从数据中手动排除所有此类观察结果以获得准确的 AUC 测量值？

data <- structure(list(label = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 
2L, 1L, 2L, 2L, 3L, 2L, 2L, 2L, 2L, 1L, 2L, 1L, 2L), .Label = c("missing", 
"good", "bad"), class = "factor"), score = c(0.151147571051044, 
0.0411329810171418, 0.0688491931089625, 0.0457818202643564, 0.0411038297454905, 
0.0652004019004794, 0.105964115208592, 0.0538514549969684, 0.0415476305130247, 
0.0533831523731155, 0.0639788335617257, 0.0434341986489527, 0.0520826001358534, 
0.0642210548642832, 0.0536219837901353, 0.0415821872079014, 0.0416555537422, 
0.0491937562992912, 0.0469082976746886, 0.0538194884632293)), row.names = c(NA, 
-20L), class = c("tbl_df", "tbl", "data.frame"))

roc(data$label, data$score)

Answer 1

类别 missing 是 data$label 因素的 3 个水平之一。
你可以把missing设置成真正的缺失然后降这个等级：

library(pROC)
# Set 'missing' to a real missing
data$label[data$label=="missing"] <- NA
# Drop 'missing' levels from 'label' factor
data$label <- droplevels(data$label)
# ROC estimation
roc(data$label, data$score)

输出为：

Setting levels: control = good, case = bad
Setting direction: controls > cases

Call:
roc.default(response = data$label, predictor = data$score)

Data: data$score in 16 controls (data$label good) > 1 cases (data$label bad).
Area under the curve: 0.8125

Answer 2

除非你有一个特别旧的 pROC 版本，或者你有一些静音诊断消息，它应该告诉你它在做什么：

> roc(data$label, data$score)
Setting levels: control = missing, case = good
Setting direction: controls < cases

如您所见，它使用 "missing" class 作为对照或阴性 class。

它继续向您显示使用了哪些数据：

[...]
Data: data$score in 3 controls (data$label missing) < 16 cases (data$label good).

您可以再次观察到它使用 "missing" 标签作为对照。

最后给大家一个解决问题的提示：

[...]
Warning message:
In roc.default(data$label, data$score) :
  'response' has more than two levels. Consider setting 'levels' explicitly or using 'multiclass.roc' instead

在您的情况下，最简单的方法是按照建议设置 levels 参数：

> roc(data$label, data$score, levels=c("good", "bad"))
Setting direction: controls > cases

Call:
roc.default(response = data$label, predictor = data$score, levels = c("good",     "bad"))

Data: data$score in 16 controls (data$label good) > 1 cases (data$label bad).
Area under the curve: 0.8125

现在它可以按照您的要求正确使用 good/bad 级别。

最后一件事，请注意 pROC 仍在自动设置方向：

Setting direction: controls > cases

您应该确保这与您在训练数据上获得的方向（无论是正例高于还是低于负例）相匹配。

train.roc <- roc(train.data$label, train.data$score, levels=c("good", "bad"))
roc(data$label, data$score, levels=c("good", "bad"), direction=train.roc$direction)

如果不这样做，您可能会在 AUC 中引入一些偏差，并且您可能认为您的预测器在实际情况下表现良好。

通常，您希望尽可能明确地设置 levels 和 direction 参数。如果方向在训练和测试之间以某种方式逆转。

pROC 如何处理多级因子标签？

How does pROC handle multi-level factor labels?

r

roc

proc-r-package