如何用ROCR软件包计算AUC

我已经拟合了一个SVM模型，并用ROCR软件包创建了ROC曲线。如何计算曲线下面积（AUC）

试试这个：

tune.out=tune(svm ,Negative~.-Positive, data=trainSparse, kernel ="radial",
              ranges=list(cost=c(0.1,1,10,100,1000),gamma=c(0.5,1,2,3,4), 
              probability = TRUE)) # train svm with probability option true
summary(tune.out)
best=tune.out$best.model
yhat.opt = predict(best,testSparse,probability = TRUE)

# Roc curve
library(ROCR)
# choose the probability column carefully, it may be 
# probabilities[,1] or probabilities[,2], depending on your factor levels 
pred <- prediction(attributes(yhat.opt)$probabilities[,2], testSparse$Negative) 
perf <- performance(pred,"tpr","fpr")
plot(perf,colorize=TRUE)

tune.out=tune（svm，负~.-正，数据=trainSparse，kernel=“radial”，
范围=列表（成本=c（0.1,1,101001000），伽马=c（0.5,1,2,3,4），
概率=真）#使用概率选项真训练svm
摘要（调出）
best=调谐.out$best.model
yhat.opt=预测（最佳、测试稀疏、概率=真）
#Roc曲线
图书馆（ROCR）
#仔细选择概率列，它可能是
#概率[，1]或概率[，2]，取决于您的因子水平
pred您的示例似乎不完整，因此我无法运行它并相应地修改它，但请尝试插入以下内容：

...
prediction.obj <- prediction(...)
perf <- performance(prediction.obj, measure = "auc")
print("AUC: ", perf@y.values)

。。。
prediction.obj从
ROCR
包中的
prediction
方法开始

pred_ROCR <- prediction(df$probabilities, df$target)

pred\u ROCR计算AUC

# Outcome Flag & Predicted probability
roc_val <-roc(testing.label,gbmPred) 

plot(roc_val,col='blue')

auc(roc_val)

#结果标志和预测概率
roc_val嗨，欢迎来到StackOverflow！您可能想阅读以下内容：什么是df？当我运行该命令时，它会显示：df$Negative df是原始数据帧（您将其分为两部分，训练和测试），您不必担心它，只需确保变量Negative是一个因子。a确定，因为我这样做了：tweets$Negative=as.factor（tweets$Sent
roc_ROCR <- performance(pred_ROCR, measure = "tpr", x.measure = "fpr")
plot(roc_ROCR, main = "ROC curve", colorize = T)
abline(a = 0, b = 1)

  auc_ROCR <- performance(pred_ROCR, measure = "auc")
  auc_ROCR <- auc_ROCR@y.values[[1]]

# Outcome Flag & Predicted probability
roc_val <-roc(testing.label,gbmPred) 

plot(roc_val,col='blue')

auc(roc_val)