r - 用于计算 AUC 的 pROC 包

Question

看着 pROC 包，我对响应和预测器有点困惑：

响应：响应的因子、数字或字符向量，通常用 0（控制）和 1（案例）编码。物体。ROC 曲线中只能使用两个类别。如果向量包含两个以上的唯一值，或者它们的顺序可能不明确，请使用级别来指定哪些值必须用作控制值和大小写值。

predictor：一个数字向量，包含每个观察值。有序因子被强制转换为数字。

例如，如果我使用：

auc（响应，预测）

响应是我的模型产生的事实和预测因素吗？

我的“真相”是 0 或 1，并且预测向量包含概率。

Answer 1

您似乎（几乎）正确地说明了它。ROC 曲线提供的答案是，如果知道真相，可以预期的正或负准确度。但是，最后一句话 a 是不正确的，因为您提供了 a) 响应和 b) 模型的测量值或分数，而不是概率。在特定情况和对照中，在不同级别的截止值生成一系列表格后，软件应返回并绘制特异性的敏感性和互补性。

信息量最大的 ROC 图将标记 ROC 曲线上的截止值。当我使用那个包时，没有这样的标签，我在家宴上搜索其他包。