Wie zu zeichnen eine ROC-Kurve mit ROCR-Paket in r, *mit nur eine Klassifikation, Kontingenz-Tabelle*

Wie plot eine ROC-Kurve mit ROCR-Paket in r mit nur eine Klassifikation, Kontingenz-Tabelle?

Habe ich eine Kontingenz-Tabelle, wobei die true positive, false positive.. etc. alle die bewertet werden können, berechnet. Ich habe 500 Replikationen, also 500 Tabellen. Aber, ich kann nicht erzeugen eine Vorhersage, die Daten angibt, jeden einzelnen Fall bei der Schätzung der Wahrscheinlichkeit und die Wahrheit. Wie bekomme ich eine Kurve, ohne die einzelnen Daten.
Unten ist die package-Anweisung verwendet.

## computing a simple ROC curve (x-axis: fpr, y-axis: tpr)
library(ROCR)
data(ROCR.simple)
pred <- prediction( ROCR.simple$predictions, ROCR.simple$labels)
perf <- performance(pred,"tpr","fpr")
plot(perf)
Mein problem ist, dass ich nicht die "ROCR.einfach" für meine Datei.
Gut, wenn man nicht die einzelnen Daten, teilen Sie einige Beispiel-Eingabe, dass Sie haben für Ihre Daten.
sind Ihre Tabellen zwei-durch-zwei Tabellen, wobei eine Tabelle für jeden eindeutigen Schwellenwert (Sie haben z.B. 500 Tabellen b/c werden die Daten festgelegt, die Sie erstellt wurden, von 500 records?)

InformationsquelleAutor William Liu | 2015-02-10

  1. 12

    Können Sie nicht erzeugen, die vollständige ROC-Kurve mit einer einzigen Kontingenz-Tabelle, weil eine Kontingenz-Tabelle liefert nur ein einziges Sensitivität/Spezifität-paar (für was auch immer prädiktive cutoff-Wert wurde verwendet, um die Kontingenz-Tabelle).

    Wenn Sie hatte viele Kontingenz-Tabellen, die erstellt wurden mit verschiedenen trenngrenzen, Sie wäre in der Lage, die für die Berechnung der ROC-Kurve (die im Grunde es wird eine lineare interpolation zwischen der Sensitivität/Spezifität Werte in Ihrer Kontingenz-Tabellen). Als Beispiel betrachten wir die Vorhersage, ob eine Blume ist versicolor in der iris-Datensatz unter Verwendung der logistischen regression:

    iris$isv <- as.numeric(iris$Species == "versicolor")
mod <- glm(isv~Sepal.Length+Sepal.Width, data=iris, family="binomial")

    Konnten wir das standard - ROCR - code zur Berechnung der ROC-Kurve für dieses Modell:

    library(ROCR)
pred1 <- prediction(predict(mod), iris$isv)
perf1 <- performance(pred1,"tpr","fpr")
plot(perf1)

    Wie zu zeichnen eine ROC-Kurve mit ROCR-Paket in r, *mit nur eine Klassifikation, Kontingenz-Tabelle*

    Nun nehmen wir an, dass anstelle der mod alles, was wir haben, ist die Kontingenz Tabellen mit einer Reihe von Abkürzungen-Werte für die Vorhersagen:

    tables <- lapply(seq(0, 1, .1), function(x) table(iris$isv, factor(predict(mod, type="response") >= x, levels=c(F, T))))

# Predict TRUE if predicted probability at least 0
tables[[1]]
#     FALSE TRUE
#   0     0  100
#   1     0   50

# Predict TRUE if predicted probability at least 0.5
tables[[6]]
#     FALSE TRUE
#   0    86   14
#   1    29   21

# Predict TRUE if predicted probability at least 1
tables[[11]]
#     FALSE TRUE
#   0   100    0
#   1    50    0

    Von einer Tabelle zur nächsten Tabelle sind einige Vorhersagen geändert von TRUE auf FALSE wegen der erhöhten cutoff, und durch Vergleich der Spalte 1 der nachfolgenden Tabelle können wir bestimmen, welche diese repräsentieren, richtig negative und falsch negative Vorhersagen. Durchlaufen unsere geordnete Liste von Kontingenz-Tabellen können wir erstellen gefälschte vorhergesagten Wert/Ergebnis-Paare, die wir passieren können, ROCR, sicherzustellen, dass wir den match die Sensitivität/Spezifität für jede Kontingenz-Tabelle.

    fake.info <- do.call(rbind, lapply(1:(length(tables)-1), function(idx) {
  true.neg <- tables[[idx+1]][1,1] - tables[[idx]][1,1]
  false.neg <- tables[[idx+1]][2,1] - tables[[idx]][2,1]
  if (true.neg <= 0 & false.neg <= 0) {
    return(NULL)
  } else {
    return(data.frame(fake.pred=idx,
                      outcome=rep(c(0, 1), times=c(true.neg, false.neg))))
  }
}))

    Können wir jetzt passieren die gefälschte Prognosen ROCR wie üblich:

    pred2 <- prediction(fake.info$fake.pred, fake.info$outcome)
perf2 <- performance(pred2,"tpr","fpr")
plot(perf2)

    Wie zu zeichnen eine ROC-Kurve mit ROCR-Paket in r, *mit nur eine Klassifikation, Kontingenz-Tabelle*

    Im Grunde, was wir getan haben, ist eine lineare interpolation der Punkte, die wir haben auf der ROC-Kurve. Wenn Sie hatte Kontingenz-Tabellen für viele Abkürzungen, Sie könnten mehr eng Angleichung der wahren ROC-Kurve. Wenn Sie nicht haben eine Breite Palette von Abkürzungen Sie können nicht hoffen, um genau zu reproduzieren die vollständige ROC-Kurve.

    InformationsquelleAutor josliber

Schreibe einen Kommentar