使用 R 的 ROC 曲线图（错误代码：预测变量必须是数字或有序的）

Question

我正在尝试使用 pROC 和如下两列制作 ROC 曲线：（该列表超过 300 个条目）

Actual_Findings_%	Predicted_Finding_Prob
0.23	0.6
0.48	0.3
0.26	0.62
0.23	0.6
0.48	0.3
0.47	0.3
0.23	0.6
0.6868	0.25
0.77	0.15
0.31	0.55

我尝试使用的代码是：

roccurve<- plot(roc(response = data$Actual_Findings_% <0.4, predictor = data$Predicted_Finding_Prob >0.5),
                legacy.axes = TRUE, print.auc=TRUE, main = "ROC Curve", col = colors)

阳性结果的阈值是 Actual_Findings_% <0.4 和 Predicted_Finding_Prob >0.5 （即为真阳性，actual_finding_% 将小于 0.4，而 predicted_finding_prob 将大于 0.5）

但是当我尝试绘制这条 roc 曲线时，出现错误：

"Setting levels: control = FALSE, case = TRUE
Error in h(simpleError(msg, call)) : 
  error in evaluating the argument 'x' in selecting a method for function 'plot': Predictor must be numeric or ordered."

如有任何帮助，我们将不胜感激！

Answer 1

这应该有效：


data <- read.table( text=
"Actual_Findings_%  Predicted_Finding_Prob
0.23    0.6
0.48    0.3
0.26    0.62
0.23    0.6
0.48    0.3
0.47    0.3
0.23    0.6
0.6868  0.25
0.77    0.15
0.31    0.55
", header=TRUE, check.names=FALSE )

library(pROC)

roccurve <- plot(
    roc(
        response = data$"Actual_Findings_%" <0.4,
        predictor = data$"Predicted_Finding_Prob"
    ),
    legacy.axes = TRUE, print.auc=TRUE, main = "ROC Curve"
)

现在很重要 - roc 曲线向您展示了当您改变分类阈值时会发生什么。所以你做错的一件事就是去执行一个，通过设置预测 < 0.5

然而，这确实提供了完美的分离，我想这很好。（虽然不利于教育目的。）

使用 R 的 ROC 曲线图（错误代码：预测变量必须是数字或有序的）

ROC Curve Plot using R (Error code: Predictor must be numeric or ordered)

r

roc

auc

proc-r-package