多类 kNN 中的 ROC
ROC in Multiclass kNN
我正在尝试 运行 对 multiclass knn 模型和数据集进行一些 ROC 分析
到目前为止,我已经有了 kNN 模型的代码。效果很好。
X_train_new
是一个包含 131 个数值变量(列)和 7210 个观测值的数据集。
Y_train
是我作为因素的结果变量。它的数据集只有 1 列 (activity) 和 7210 个观察值(有 6 个可能的因素)
ctrl <- trainControl(method = "cv",
number = 10)
model2 <- train(X_train_new,
Y_train$activity,
method = "knn",
tuneGrid = expand.grid(k = 5),
trControl = ctrl,
metric = "Accuracy"
)
X_test_new
是一个包含 131 个数值变量(列)和 3089 个观测值的数据集。
Y_test
是我作为因素的结果变量。它是一个只有 1 列和 3089 个观察值的数据集(有 6 个可能的因素)
我运行预测函数
knnPredict_test <- predict(model2 , newdata = X_test_new )
我想对每个 class 与全部进行一些 ROC 分析。我在努力
a = multiclass.roc ( Y_test$activity, knnPredict_test )
knnPredict_test
是预测为 classes:
的向量
knnPredict_test <- predict(model2 ,newdata = X_test_new )
> length(knnPredict_test)
[1] 3089
> glimpse(knnPredict_test)
Factor w/ 6 levels "laying","sitting",..: 2 1 5 1 3 2 4 5 3 2 ...
这是我得到的错误
Error in roc.default(response, predictor, levels = X, percent = percent, :
Predictor must be numeric or ordered.
要获得 ROC,您需要进行数字预测。但是,默认情况下 predict
将为您提供预测的 类。使用 type = "prob"
.
这是一个具有相同错误的可重现示例。
library(caret)
knnFit <- train(
Species ~ .,
data = iris,
method = "knn"
)
predictions_bad <- predict(knnFit)
pROC::multiclass.roc(iris$Species, predictions_bad)
#> Error in roc.default(response, predictor, levels = X, percent = percent, :
#> Predictor must be numeric or ordered.
使用 type = "prob"
修复错误。
predictions_good <- predict(knnFit, type = "prob")
pROC::multiclass.roc(iris$Species, predictions_good)
#> Call:
#> multiclass.roc.default(response = iris$Species, predictor = predictions_good)
#>
#> Data: multivariate predictor predictions_good with 3 levels of iris$Species: setosa, versicolor, virginica.
#> Multi-class area under the curve: 0.9981
我正在尝试 运行 对 multiclass knn 模型和数据集进行一些 ROC 分析
到目前为止,我已经有了 kNN 模型的代码。效果很好。
X_train_new
是一个包含 131 个数值变量(列)和 7210 个观测值的数据集。
Y_train
是我作为因素的结果变量。它的数据集只有 1 列 (activity) 和 7210 个观察值(有 6 个可能的因素)
ctrl <- trainControl(method = "cv",
number = 10)
model2 <- train(X_train_new,
Y_train$activity,
method = "knn",
tuneGrid = expand.grid(k = 5),
trControl = ctrl,
metric = "Accuracy"
)
X_test_new
是一个包含 131 个数值变量(列)和 3089 个观测值的数据集。
Y_test
是我作为因素的结果变量。它是一个只有 1 列和 3089 个观察值的数据集(有 6 个可能的因素)
我运行预测函数
knnPredict_test <- predict(model2 , newdata = X_test_new )
我想对每个 class 与全部进行一些 ROC 分析。我在努力
a = multiclass.roc ( Y_test$activity, knnPredict_test )
knnPredict_test
是预测为 classes:
knnPredict_test <- predict(model2 ,newdata = X_test_new )
> length(knnPredict_test)
[1] 3089
> glimpse(knnPredict_test)
Factor w/ 6 levels "laying","sitting",..: 2 1 5 1 3 2 4 5 3 2 ...
这是我得到的错误
Error in roc.default(response, predictor, levels = X, percent = percent, :
Predictor must be numeric or ordered.
要获得 ROC,您需要进行数字预测。但是,默认情况下 predict
将为您提供预测的 类。使用 type = "prob"
.
这是一个具有相同错误的可重现示例。
library(caret)
knnFit <- train(
Species ~ .,
data = iris,
method = "knn"
)
predictions_bad <- predict(knnFit)
pROC::multiclass.roc(iris$Species, predictions_bad)
#> Error in roc.default(response, predictor, levels = X, percent = percent, :
#> Predictor must be numeric or ordered.
使用 type = "prob"
修复错误。
predictions_good <- predict(knnFit, type = "prob")
pROC::multiclass.roc(iris$Species, predictions_good)
#> Call:
#> multiclass.roc.default(response = iris$Species, predictor = predictions_good)
#>
#> Data: multivariate predictor predictions_good with 3 levels of iris$Species: setosa, versicolor, virginica.
#> Multi-class area under the curve: 0.9981