使用pROC从现有数据生成ROC曲线
我已经创建了一个分类器,并在模型上运行了3倍交叉验证,用几个随机种子重新生成。我以0.1的间隔使用阈值,并且已经计算了每个阈值的敏感性和特异性。我从一个种子获得的数据如下所示:使用pROC从现有数据生成ROC曲线,r,statistics,cross-validation,R,Statistics,Cross Validation,我已经创建了一个分类器,并在模型上运行了3倍交叉验证,用几个随机种子重新生成。我以0.1的间隔使用阈值,并且已经计算了每个阈值的敏感性和特异性。我从一个种子获得的数据如下所示: Index Seed Threshold Fold Sn 1-Sp 1 0 0.0 1 1.0000000 1.00000000 2 0 0.0 2 1.000000
Index Seed Threshold Fold Sn 1-Sp
1 0 0.0 1 1.0000000 1.00000000
2 0 0.0 2 1.0000000 1.00000000
3 0 0.0 3 1.0000000 1.00000000
4 0 0.1 1 1.0000000 1.00000000
5 0 0.1 2 1.0000000 1.00000000
6 0 0.1 3 1.0000000 1.00000000
7 0 0.2 1 1.0000000 1.00000000
8 0 0.2 2 1.0000000 1.00000000
9 0 0.2 3 1.0000000 1.00000000
10 0 0.3 1 1.0000000 1.00000000
11 0 0.3 2 1.0000000 1.00000000
12 0 0.3 3 1.0000000 1.00000000
13 0 0.4 1 1.0000000 0.97435897
14 0 0.4 2 1.0000000 1.00000000
15 0 0.4 3 1.0000000 1.00000000
16 0 0.5 1 0.9523810 0.89743590
17 0 0.5 2 0.9523810 1.00000000
18 0 0.5 3 1.0000000 0.89743590
19 0 0.6 1 0.9523810 0.79487180
20 0 0.6 2 0.9047619 0.67500000
21 0 0.6 3 1.0000000 0.58974359
22 0 0.7 1 0.8571429 0.56410256
23 0 0.7 2 0.8095238 0.35000000
24 0 0.7 3 0.9523810 0.17948718
25 0 0.8 1 0.8571429 0.12820513
26 0 0.8 2 0.7142857 0.20000000
27 0 0.8 3 0.8571429 0.02564103
28 0 0.9 1 0.8571429 0.10256410
29 0 0.9 2 0.6666667 0.07500000
30 0 0.9 3 0.7619048 0.02564103
31 0 1.0 1 0.8571429 0.10256410
32 0 1.0 2 0.6666667 0.05000000
33 0 1.0 3 0.7619048 0.02564103
我在想我会用pROC和R来根据数据生成ROC曲线并计算AUC。我已经看了很多例子,还没有找到一个可以让roc
过程使用已经计算过的数据的例子。可能吗
如果有人有建议,我愿意使用R或Python的其他解决方案/软件包。老实说,我对ROC分析不是很熟悉,所以我对您的数据不是很清楚。但是,我们可以使用base R图形功能复制
pROC::plot.roc
生成的绘图。您可能需要查看方法pROC:::plot.roc.roc
,以了解它的作用
使用pROC
包附带的示例数据
library(pROC)
data(aSAH)
## calculate ROC
rr <- roc(aSAH$outcome, aSAH$s100b, ci=TRUE, plot=FALSE)
## plot ROC curve with package function
plot.roc(rr)
看起来和我一模一样。我不相信有一种固定的方法可以用
pROC
实现这一点。然而,如果你已经计算了敏感性和特异性,那么你大概也有实际的观察值和预测值?如果是这样,这就是pROC
expects@duckmayr我想你是对的,那是我应该走的方向。我在一个大型关系数据库上使用SSAS。生成交叉验证表很容易,但我想我会尝试深入挖掘,以找到实际和预测的数据。谢谢你的反馈!
with(rr, plot(-specificities, sensitivities, type="l", xaxt="n",
xlab="", ylab="", main="My ROC curve", lwd=2,
xlim=c(0, 1), ylim=c(0, 1)))
axis(1, axTicks(1), labels=F)
mtext(-(axTicks(1)), 1, 2, at=axTicks(1))
mtext("Specifycity", 1, 3)
mtext("Sensitivity", 2, 3)
lines(c(-1, 0), c(0, 1), col="grey")