2

我有以下数据

Species <- c(rep('A', 47), rep('B', 23))
Value<- c(3.8711, 3.6961, 3.9984, 3.8641, 4.0863, 4.0531, 3.9164, 3.8420, 3.7023, 3.9764, 4.0504, 4.2305,
          4.1365, 4.1230, 3.9840, 3.9297, 3.9945, 4.0057, 4.2313, 3.7135, 4.3070, 3.6123, 4.0383, 3.9151,
          4.0561, 4.0430, 3.9178, 4.0980, 3.8557, 4.0766, 4.3301, 3.9102, 4.2516, 4.3453, 4.3008, 4.0020,
          3.9336, 3.5693, 4.0475, 3.8697, 4.1418, 4.0914, 4.2086, 4.1344, 4.2734, 3.6387, 2.4088, 3.8016,
          3.7439, 3.8328, 4.0293, 3.9398, 3.9104, 3.9008, 3.7805, 3.8668, 3.9254, 3.7980, 3.7766, 3.7275,
          3.8680, 3.6597, 3.7348, 3.7357, 3.9617, 3.8238, 3.8211, 3.4176, 3.7910, 4.0617)
D<-data.frame(Species,Value)

我有两个物种 A 和 B，想找出哪个是确定物种的最佳价值截止点。

我发现了以下问题：

R：根据一个连续变量确定最大程度区分两组的阈值？

并按照接受的答案dose.p从 MASS 包中找到函数的最佳值。我有几个类似的值，它适用于它们，但不适用于上面给出的值（这也是我需要在此处包含所有 70 个观察值的原因）。

D$Species_b<-ifelse(D$Species=="A",0,1) 
my.glm<-glm(Species_b~Value, data = D, family = binomial)
dose.p(my.glm,p=0.5)

给我 3.633957 作为阈值：

             Dose        SE
p = 0.5: 3.633957 0.1755291

这导致 45 个正确的分配。但是，如果我查看数据，很明显这不是最佳值。通过反复试验，我发现 3.8 给了我 50 个正确的作业，这显然更好。

为什么该函数适用于其他值，但不适用于这个？我错过了一个明显的错误吗？或者是否有不同/更好的方法来解决我的问题？我有几个值需要这样做，所以我真的不想只是随机测试值，直到找到最好的值。

任何帮助将不胜感激。

4

1 回答 1

2

我通常会使用接收器操作特征曲线 (ROC) 进行此类分析。这允许在您调整阈值时对截止的灵敏度和特异性如何变化进行视觉和数字评估。这使您可以根据整体精度何时达到最佳来选择最佳阈值。例如，使用pROC：

library(pROC)

species_roc <- roc(D$Species, D$Value)

我们可以通过检查曲线下的面积来衡量判别Value器的预测效果：Species

auc(species_roc)
#> Area under the curve: 0.778

plot(species_roc)

在此处输入图像描述

我们可以像这样找出最佳截止阈值：

coords(species_roc, x = "best")
#>   threshold specificity sensitivity
#> 1   3.96905   0.6170213   0.9130435

我们看到这个阈值正确识别了 50 个案例：

table(Actual = D$Species, Predicted = c("A", "B")[1 + (D$Value < 3.96905)])
#>       Predicted
#> Actual  A  B
#>      A 29 18
#>      B  2 21
于 2020-10-26T09:26:04.710 回答