9

我想知道是否有一种方法可以根据caret包生成的 SVM-RFE 模型的交叉验证数据绘制平均 ROC 曲线。

我的结果是：

Recursive feature selection

Outer resampling method: Cross-Validated (10 fold, repeated 5 times) 

Resampling performance over subset size:

 Variables    ROC   Sens   Spec Accuracy  Kappa  ROCSD SensSD SpecSD AccuracySD KappaSD Selected
         1 0.6911 0.0000 1.0000   0.5900 0.0000 0.2186 0.0000 0.0000     0.0303  0.0000         
         2 0.7600 0.3700 0.8067   0.6280 0.1807 0.1883 0.3182 0.2139     0.1464  0.3295         
         3 0.7267 0.4233 0.8667   0.6873 0.3012 0.2020 0.3216 0.1905     0.1516  0.3447         
         4 0.6989 0.3867 0.8600   0.6680 0.2551 0.2130 0.3184 0.1793     0.1458  0.3336         
         5 0.7000 0.3367 0.8600   0.6473 0.2006 0.2073 0.3359 0.1793     0.1588  0.3672         
         6 0.7167 0.3833 0.8200   0.6427 0.2105 0.1909 0.3338 0.2539     0.1682  0.3639         
         7 0.7122 0.3767 0.8333   0.6487 0.2169 0.1784 0.3226 0.2048     0.1642  0.3702         
         8 0.7144 0.4233 0.7933   0.6440 0.2218 0.2017 0.3454 0.2599     0.1766  0.3770         
         9 0.8356 0.6533 0.7867   0.7300 0.4363 0.1706 0.3415 0.2498     0.1997  0.4209         
        10 0.8811 0.6867 0.8200   0.7647 0.5065 0.1650 0.3134 0.2152     0.1949  0.4053        *
        11 0.8700 0.6933 0.8133   0.7627 0.5046 0.1697 0.3183 0.2147     0.1971  0.4091         
        12 0.8678 0.6967 0.7733   0.7407 0.4682 0.1579 0.3153 0.2559     

...
The top 5 variables (out of 10):
   SumAverage_GLCM_R1SC4NG2, Variance_GLCM_R1SC4NG2, HGZE_GLSZM_R1SC4NG2, LGZE_GLSZM_R1SC4NG2, SZLGE_GLSZM_R1SC4NG2

我已经尝试过这里提到的解决方案： ROC curve from training data in caret

optSize <- svmRFE_NG2$optsize
selectedIndices <- svmRFE_NG2$pred$Variables == optSize
plot.roc(svmRFE_NG2$pred$obs[selectedIndices],
         svmRFE_NG2$pred$LUNG[selectedIndices])

但是这个解决方案似乎不起作用（产生的 AUC 值完全不同）。我已经将训练过程的结果分成50个交叉验证集，如上一个答案中所述，但我不知道下一步该做什么。

resamples<-split(svmRFE_NG2$pred,svmRFE_NG2$pred$Variables)
resamplesFOLD<-split(resamples[[optSize]],resamples[[optSize]]$Resample)

有任何想法吗？

4

2 回答 2

15

正如您已经做的那样，您可以 a)savePredictions = T在 的trainControl参数中启用caret::train，然后，b) 从训练的模型对象中，使用pred包含所有分区和重采样的所有预测的变量来计算您想要查看的任何 ROC 曲线。您现在有多个选项可以选择哪个 ROC，例如：

您可以一次查看所有分区的所有预测并重新采样：

plot(roc(predictor = modelObject$pred$CLASSNAME, response = modelObject$pred$obs))

或者您可以对单个分区和/或重新采样（这是您在上面尝试过的）执行此操作。以下示例计算每个分区和重新采样的 ROC 曲线，因此 10 个分区和 5 次重复将产生 50 条 ROC 曲线：

library(plyr)
l_ply(split(modelObject$pred, modelObject$pred$Resample), function(d) {
    plot(roc(predictor = d$CLASSNAME, response = d$obs))
})

根据您的数据和模型，后者会给您生成的 ROC 曲线和 AUC 值带来一定的差异。AUC您可以看到为您的各个分区和重新采样计算的和SD值的相同方差caret，因此这是您的数据和模型的结果，并且是正确的。

顺便说一句：我使用pROC::roc函数来计算上面的例子，但你可以在这里使用任何合适的函数。caret::train并且，无论模型类型如何，使用获取 ROC 时总是相同的。

于 2016-05-16T18:54:30.970 回答
2

我知道这篇文章很旧，但我遇到了同样的问题，试图理解为什么在计算每个重采样的 ROC 值以及同时使用所有预测和重采样计算 ROC 值时会得到不同的结果。哪种计算ROC的方法是正确的？

（很抱歉将此作为新答案发布，但我不允许发表评论。）

于 2018-10-01T11:24:19.737 回答