问题标签 [auc]

我的目标：我正在计算每 5 行 xts 的其中一列的曲线下面积。

我的目标：我想知道 R 中是否有一个函数可以更快地完成它（向量化它），而不是从 myxts5 的列中创建一个向量，然后循环计算。

谢谢你的帮助。

我已经包含了我的代码、输出和数据集：

这是我的输出：

这是数据集：

我已经绘制了 FPR 与 TPR 的关系图，以制作几条 ROC 曲线，如链接所示。

但是，在我看来，trapz() 没有计算底部 2 条曲线的正确 AUC。AUC 似乎大于先前图的 AUC，但计算出的 AUC 较低。

谁能向我解释这是为什么？

先感谢您。

我想使用 来计算 AUC auc(roc(predictions, labels))，其中labels是1(x15) 和0(x500) 的数值向量，并且是具有从[二项式]predictions派生的概率的数值向量。glm它应该很简单，但auc(roc(predictions, labels))会给出错误消息“没有足够的不同预测来计算 ROC 曲线下的面积”。我一定在做一些傻事，但我不知道是什么。你能？

代码是

我正在尝试在交叉验证代码中使用 perfcurv。然而，在某些时候，测试数据集的所有成员都属于同一类 (0)。我的问题是二进制分类问题。因此会出现以下错误：

使用 perfcurve 时出错（第 368 行） 在真实类标签数组中发现的类少于两个。

loadsurfperframe_GIE_leave_one_out 错误（第 669 行）[x,y,t,AUC(i),OPTROCPT,SUBY,SUBYNAMES] = perfcurve(test_classes,ytest,1);

我应该怎么做才能解决这个问题？

我有一些医院数据，我想看看是否有任何先前的条件可以预测特定的结果。为了能够确定哪种条件最能预测结果，我将计算每种条件组合的 AUC。

我找到了几页解释如何做到这一点：

https://gist.github.com/cjbayesian/6921118

http://www.r-bloggers.com/calculating-auc-the-hard-way/

计算R中的AUC？

但是，我不确定我的输入应该是什么样的。在最后一个链接中，我可以看到这样的输入：

-但是这些数字是多少？我猜它与 T/F 正面/负面有关？

谢谢

我想绘制曲线和实线之间的区域并对其进行着色，但无法做到。我尝试使用 pracma 包中的 trapz 函数。任何建议，将不胜感激？

Attempting to get ROC Curve and AUC for CART decision tree which was made using "tree" package.

Here is the Structure of my tree

'data.frame': 13 obs. of 6 variables:

$ var : Factor w/ 15 levels "","Age",..: 15 10 1 11 11 5 1 1 15 1 ...

$ n : num 383 158 29 129 110 38 20 18 72 7 ...

$ dev : num 461.1 218.6 29.6 174 141.8 ...

$ yval : Factor w/ 2 levels "Negative","Positive": 2 2 1 2 2 1 2 1 2 1 ...

$ splits: chr [1:13, 1:2] "<19.5" "<81.5" "" "<65" ...

..- attr(*, "dimnames")=List of 2

.. ..$ : NULL

.. ..$ : chr "cutleft" "cutright"

$ yprob : num [1:13, 1:2] 0.29 0.475 0.793 0.403 0.345 ...

..- attr(*, "dimnames")=List of 2

.. ..$ : NULL

.. ..$ : chr "Negative" "Positive"

Referencing the above structure, I have written (many variations of) the following code:

Error in prediction(pruned.tree7$frame$yprob, dimnames(pruned.tree7$frame$yprob)) : Number of predictions in each run must be equal to the number of labels for each run.

Error in prediction(pruned.tree7$frame$yprob, dimnames) : Format of labels is invalid.

Error in prediction(pruned.tree7$frame$yprob, "dimnames") : Number of cross-validation runs must be equal for predictions and labels.

Error in is.data.frame(labels) : object 'yprob' not found

Error in prediction(pruned.tree7$frame$yprob, names(pruned.tree7$frame$yprob)) : Format of labels is invalid.

Error in prediction(pruned.tree7$frame$yprob, dimnames(pruned.tree7$frame$yprob)) : Number of predictions in each run must be equal to the number of labels for each run.

I have searched and found this link: ROCR Package Documentation It mentions the topic of cross-validation. However, it does not make sense to me.

Thank you in advance!!

初始矩阵包含链接预测系统中1的已知链接（0未知和错过的条目）。矩阵分解的输出是要计算的错过条目的预测值AUC：

1. 隐藏20%已知链接（矩阵中带有to20%的条目集）10
2. 对 Factorization 的输出进行排序并丢弃用于 train ( 80%of 1)的索引
3. 设置N为隐藏值的数量
4. 获取N最高预测值并检查它们是否是隐藏值（类标签设置为1）或不是（类标签设置为0）
5. AUC使用N最高预测进行计算

我知道perfcurve在 matlab 计算中AUC，但我需要确定上述过程以提供标记数据perfcurve。

任何评论都非常感谢。

我有一个逻辑回归模型（使用 R）作为

我正在使用pROC包来绘制 ROC 曲线并计算 6 个模型 fit1 到 fit6 的 AUC。

我已经采用这种方式来绘制一个 ROC。

但是有没有一种方法可以将所有 6 条曲线的 ROC 组合在一个图中，并显示所有曲线的 AUC，如果可能的话还显示置信区间。

我很难在 python 中绘制 OneClassSVM 的 AUC 图（我正在使用 sklearn 生成混淆矩阵[[tp, fp],[fn,tn]]，如fn=tn=0.

我想处理错误 [1] 并AUC为OneClassSVM.