在R中创建许多ROC曲线？

我有150列分数和1列标签（1/0）。 我的目标是创造150个AUC分数

以下是一个手动示例：

auc(roc(df$label, df$col1)),
auc(roc(df$label, df$col2)),

...

---

我可以在这里使用Map/sapply/lappy，但还有其他方法或函数吗？

如果要并行计算，可以这样做：

#生成一些玩具数据
标签
#>$X2
#>曲线下面积：0.5235
#> 
#>$X3
#>曲线下面积：0.5181
#> 
#>$X4
#>曲线下面积：0.5119
#> 
#>$X5
#>曲线下面积：0.5083
#> 
#>$X6
#>曲线下面积：0.5159

---

由于大部分计算时间似乎都是调用

auc（roc（…）

，如果您有一台多核机器，这应该会加快速度。

在

cutpointr

包中有一个函数可以实现这一点。它还计算切入点和其他指标，但您可以放弃这些。默认情况下，它将尝试所有列（响应列除外）作为预测值。此外，您可以通过省略

方向

来选择是否自动确定ROC曲线的方向（较大的值是否意味着正类或相反），或者手动设置

dat <- iris[1:100, ]
library(tidyverse)
library(cutpointr)
mc <- multi_cutpointr(data = dat, class = "Species", pos_class = "versicolor", 
                silent = FALSE)
mc %>% select(variable, direction, AUC)

# A tibble: 4 x 3
  variable     direction   AUC
  <chr>        <chr>     <dbl>
1 Sepal.Length >=        0.933
2 Sepal.Width  <=        0.925
3 Petal.Length >=        1.00 
4 Petal.Width  >=        1.00  

这是一个小问题。你真正想要的是加速你的计算。并行化解决了这个问题，但这只是一种方法

如我所设想的，如果您正在使用

库（pROC）

的

roc

/

auc

函数，那么您可以通过为数据集选择适当的算法来获得更快的速度

pROC

基本上有两种算法，根据数据集的特征，它们的伸缩性非常不同。通过将

algorithm=0

传递到

roc

，您可以对哪一个最快进行基准测试：

# generate some toy data
label <- rbinom(600000, 1, 0.5)
score <- rpois(600000, 10)

library(pROC)
roc(label, score, algorithm=0)
Starting benchmark of algorithms 2 and 3, 10 iterations...
  expr        min         lq       mean     median        uq      max neval
2    2 4805.58762 5827.75410 5910.40251 6036.52975 6085.8416 6620.733    10
3    3   98.46237   99.05378   99.52434   99.12077  100.0773  101.363    10
Selecting algorithm 3.

---

在我的机器上，现在每次调用

roc

大约需要5秒钟，与阈值的数量无关。这样你应该在15分钟内完成。除非您有50个或更多内核，否则这将比仅仅并行化更快。但是当然你可以同时做这两件事……

应用

系列函数有什么问题？
purrr
包做了类似的事情，但在我看来更直观。但同样，它类似于
apply
函数系列。您的最终目标是什么，一个包含所有分数的数据框？在
dplyr
中，您可以执行以下操作：1
gather（）
所有的
col1，col2，…
2分<代码>分组依据（）

分数3

summary（）

获取AUC。@Amar是的，当然，我会告诉你我为什么这么问：我的151列数据框中有600000行。我现在跑得很快，但我想也许这里的一些专家会建议更好的方法。就像Python中并行计算的Dask库。@马吕斯，我知道这种方法，但它会比sapply更快吗？如果没有测试，我真的说不出来。我猜大致相同，我认为大部分运行时将在

roc（）

/

auc（）

中，不受循环/迭代方法的影响，但可能会有一些差异。与您完全相同，但使用了

parSapply

。为什么要使用

mclappy

@gfgmtbh，因为我更好地记住了语法，它为我节省了一行在集群上加载环境的代码。但是实际上应该以

parapply（）/parlappy（）

为例，因为

mcapply

与windows不兼容（我没有想到这一点）@Steves在这里讨论差异：非常感谢，问题是如果我与parapply一起使用它，占用的内存会更少，而mclappy使用的内存更多，有时还会崩溃@gfgm

# generate some toy data
label <- rbinom(600000, 1, 0.5)
score <- rpois(600000, 10)

library(pROC)
roc(label, score, algorithm=0)
Starting benchmark of algorithms 2 and 3, 10 iterations...
  expr        min         lq       mean     median        uq      max neval
2    2 4805.58762 5827.75410 5910.40251 6036.52975 6085.8416 6620.733    10
3    3   98.46237   99.05378   99.52434   99.12077  100.0773  101.363    10
Selecting algorithm 3.

auc(roc(df$label, df$col1, algorithm=2)),
auc(roc(df$label, df$col2, algorithm=2)),