我使用 ggplot2 和 stat_density 制作了一些密度图。我的同事提到他不相信每条曲线下的面积总和为 1。所以，我开始计算曲线下的面积，我想知道是否有比我所做的更好的方法。

这是我所做的一个例子：

结果：

它似乎工作得很好，但我想知道是否有更好的方法来做到这一点。特别是，我对间隔（即 dx，我想）的计算似乎可能是一个问题，特别是如果不同的密度曲线使用不同的间隔。

我在 R 中遇到了一个 3 类 ROC 分析的问题，得到了一个非常烦人的结果（见这里）。现在我尝试使用不同的方法来解决它。数据是iris，分类器是nnet包中的多项逻辑回归。代码如下：

我的问题是：
这是使用pROC包的正确方法吗？
非常感谢！！！

一些相关参考：
pROC包： http: //www.inside-r.org/packages/cran/pROC/docs/multiclass.roc
Hand & Till(2001)原论文： http: //link.springer.com/article/10.1023%2FA%3A1010920819831

我一直在尝试使用 caret 包应用递归特征选择。我需要的是 ref 使用 AUC 作为性能指标。谷歌搜索一个月后，我无法让该过程正常工作。这是我使用的代码：

执行此脚本时，我得到以下结果：

该过程始终使用准确性作为性能指标。出现的另一个问题是，当我尝试从使用以下方法获得的模型中获得预测时：

我收到以下消息

事实证明，从模型中得到一些预测是不可能的。

以下是通过获取的信息sessionInfo()

我有一个包含多个离散标签的数据集，比如 4、5、6。在此我运行 ExtraTreesClassifier（我还将在相同的数据上运行 Multinomial logit afterword，这只是一个简短的示例），如下所示。：

问题是 -是否有类似平均 ROC 曲线的东西- 基本上我可以将所有 tpr 和 fpr 分别加起来以获得每个标签值，然后采取手段（顺便说一句有意义吗？） - 然后只需调用

我假设，我会得到类似于这个后记的东西——但在这种情况下我如何解释阈值？ 如何为 knn 模型绘制 ROC 曲线

因此，还请提及在这种情况下我是否可以/应该获得单独的阈值，以及为什么一种方法（统计上）优于另一种方法？

到目前为止我尝试过的（除了平均）：

在更改 pos_label = 4 ，然后 5 & 6 并绘制 roc 曲线时，我发现性能非常差，甚至低于 y=x （完全随机且 tpr=fpr 情况）我应该如何解决这个问题？

我是 Torch 的新手，我正在研究一个问题，我必须描述接收器操作特性 (ROC) 曲线及其曲线下面积 (AUC)。

我必须数组：TPrate在 y 轴和FPratex 轴上，同时具有大小n

如何在 Torch7 或 Lua 中计算此函数的曲线下面积？

我还从 JayClascoe.com 找到了这段代码，但我不知道如何使用它的功能。

我有一个 y 值列表和一个 x 值列表。我想找到这些点定义的曲线下的区域。对于具有均匀间距的 x 值，我找到了几个解决此问题的方法：

1）在给定一组坐标的情况下计算曲线下面积，不知道函数

2）使用scipy对样本进行离散积分

但是当 x 值的间距不均匀时，这些都不起作用。

例如：

当然，在上面的代码中使用 x = np.array([0,10,20,30]) 返回 30.0，正如预期的那样。

谁能建议一种方法来找到 x 间距不均匀的曲线下的区域？

我在使用 gbm 包计算 ROC 分数 (AUC) 时遇到问题。我正在使用增强的回归树。我正在运行的脚本是：

它应该产生“训练数据 ROC 分数”和“交叉验证 ROC 分数”以及其他相关参数。我没有得到 ROC 分数。我打电话names(testing.tc5.lr005)。如果我调用它会列出cv.roc.matrix但会产生以下内容testing.tc5.lr005$cv.roc.matrix：

[1] 0 0 0 0 0 0 0 0 0 0

roc(TestData$TN,predTN)我尝试通过（TestData~用于预测的数据，即观察值；predTN~预测值）来计算 ROC AUC 。结果是[1]NA. 我不知道我做错了什么，尽管模型的其余部分似乎在合理的测试和 CV 相关性和 SE 值方面做得很好。任何关于我错在哪里或替代的指示将不胜感激！谢谢

给定这样的数据：SN = 灵敏度；SP = 特异性

如何绘制 ROC 曲线并计算 AUC。并比较两条不同 ROC 曲线之间的 AUC。在大多数包如 pROC 或 ROCR 中，数据的输入与上面显示的不同。任何人都可以建议用 R 或其他方法解决这个问题的方法吗？

例如：

工作正常，但是

给

我做错了什么，或者这可能是一个错误？ROCR::performance 为这种大小的样本提供了一个合理的答案。

我想运行逻辑回归的因变量（在我的数据集中它是：dat$admit），其中包含所有可用变量、对和三元组（3 个独立变量），每个回归都有不同的自变量与因变量。我想要返回的结果是一个连续的每个回归摘要的列表：系数、p 值、AUC、CI 95%。使用下面提交的数据集应该有 7 个回归：

这是一个样本数据集（其中 dat$admit 是逻辑回归因变量）：

根据@marek 评论，输出应该是这样的（仅针对女性以及来自女性和 apcalc ）： # Intercept Estimate P-Value (Intercept) P-Value (Estimate) AUC # female 0.000000e+00 0.000000e+00 1 1 0.5

女性+apcalc 0.000000e+00 0.000000e+00 1 1 0.5

@David Arenburg 编写了一个很好的代码，它可以生成统计数据，但没有配对和三重奏的模型创建，所以我想知道如何添加模型创建。这是大卫阿伦伯格的代码吗？

知道如何创建此列表吗？谢谢，罗恩