3

我很难理解 multiclass.roc 参数的外观。这是我的数据的快照：

> head(testing.logist$cut.rank)
[1] 3 3 3 3 1 3
Levels: 1 2 3
> head(mnm.predict.test.probs)
              1            2          3
9  1.013755e-04 3.713862e-02 0.96276001
10 1.904435e-11 3.153587e-02 0.96846413
12 6.445101e-23 1.119782e-11 1.00000000
13 1.238355e-04 2.882145e-02 0.97105472
22 9.027254e-01 7.259787e-07 0.09727389
26 1.365667e-01 4.034372e-01 0.45999610
>

我尝试使用以下命令调用 multiclass.roc：

multiclass.roc(
        response=testing.logist$cut.rank,
        predictor=mnm.predict.test.probs,
        formula=response~predictor
        )

但自然我得到一个错误：

Error in roc.default(response, predictor, levels = X, percent = percent,  : 
  Predictor must be numeric or ordered.

当它是一个二元分类问题时，我知道“预测器”应该包含概率（每个观察一个）。但是，在我的例子中，我有 3 个类，所以我的预测器是一个行列表，每行有 3 列（或 3 个值的子列表）对应于每个类的概率。有谁知道我的“预测器”应该是什么样子而不是它目前的样子？

4

1 回答 1

0

pROC 包并非真正设计用于处理这种情况，即您获得多个预测（作为每个类的概率）。通常你会评估你的 P(class = 1)

multiclass.roc(
    response=testing.logist$cut.rank,
    predictor=mnm.predict.test.probs[,1])

然后用 P(class = 2) 和 P(class = 3) 再做一次。或者更好的是，确定最可能的类别：

predicted.class <- apply(mnm.predict.test.probs, 1, which.max)
multiclass.roc(
    response=testing.logist$cut.rank,
    predictor=predicted.class)

将其multiclass.roc视为有时会有所帮助但很可能无法真正满足您的需求的玩具。

于 2015-01-23T09:16:12.163 回答