首页 文章

来自插入符号中训练数据的ROC曲线

提问于
浏览 次
19

使用R包插入符号，如何根据train（）函数的交叉验证结果生成ROC曲线？

说，我做以下事情：

data(Sonar)
ctrl <- trainControl(method="cv", 
  summaryFunction=twoClassSummary, 
  classProbs=T)
rfFit <- train(Class ~ ., data=Sonar, 
  method="rf", preProc=c("center", "scale"), 
  trControl=ctrl)

训练函数超过一系列mtry参数并计算ROC AUC . 我想看看相关的ROC曲线 - 我该怎么做？

注意：如果用于采样的方法是LOOCV，那么 rfFit 将在 rfFit$pred 槽中包含一个非空数据帧，这似乎正是我所需要的 . 但是，我需要"cv"方法（k倍验证）而不是LOO .

另外：不，之前版本的插入符号中包含的 roc 函数不是答案 - 这是一个低级函数，您可以为每个交叉验证的样本提供预测概率 .

r r-caret roc

2 回答

  • 27

    ctrl 中只缺少 savePredictions = TRUE 参数（这也适用于其他重采样方法）：

    library(caret)
library(mlbench)
data(Sonar)
ctrl <- trainControl(method="cv", 
                     summaryFunction=twoClassSummary, 
                     classProbs=T,
                     savePredictions = T)
rfFit <- train(Class ~ ., data=Sonar, 
               method="rf", preProc=c("center", "scale"), 
               trControl=ctrl)
library(pROC)
# Select a parameter setting
selectedIndices <- rfFit$pred$mtry == 2
# Plot:
plot.roc(rfFit$pred$obs[selectedIndices],
         rfFit$pred$M[selectedIndices])

    ROC

    也许我错过了一些东西，但是一个小问题是 train 总是估计AUC值略微不同于 plot.roc 和 pROC::auc （绝对差<0.005），尽管 twoClassSummary 使用 pROC::auc 来估算AUC . Edit: 我认为这是因为 train 中的ROC是使用单独的CV集的AUC的平均值，这里我们同时计算所有重采样的AUC以获得总AUC .

    Update 由于这引起了一些关注，这是一个使用 plotROC::geom_roc() for ggplot2 的解决方案：

    library(ggplot2)
library(plotROC)
ggplot(rfFit$pred[selectedIndices, ], 
       aes(m = M, d = factor(obs, levels = c("R", "M")))) + 
    geom_roc(hjust = -0.4, vjust = 1.5) + coord_equal()

    ggplot_roc

    回复于
  • 10

    在这里，我正在修改@ thei1e的情节，其他人可能会觉得有帮助 .

    训练模型并做出预测

    library(caret)
library(ggplot2)
library(mlbench)
library(plotROC)

data(Sonar)

ctrl <- trainControl(method="cv", summaryFunction=twoClassSummary, classProbs=T,
                     savePredictions = T)

rfFit <- train(Class ~ ., data=Sonar, method="rf", preProc=c("center", "scale"), 
               trControl=ctrl)

# Select a parameter setting
selectedIndices <- rfFit$pred$mtry == 2

    更新了ROC曲线图

    g <- ggplot(rfFit$pred[selectedIndices, ], aes(m=M, d=factor(obs, levels = c("R", "M")))) + 
  geom_roc(n.cuts=0) + 
  coord_equal() +
  style_roc()

g + annotate("text", x=0.75, y=0.25, label=paste("AUC =", round((calc_auc(g))$AUC, 4)))

    enter image description here

    回复于

相关问题