问题标签 [proc-r-package]

我正在用 ggroc 绘制多个 ROC 曲线，并且希望轴名称为“真阳性率”和“假阳性率”，而不是 sens 和 spec。可以用 ggroc 做到这一点吗？

我已经尝试了以下不起作用的方法：

我也试过这个： ROC_curves <- ggroc(list(log=ROC_log, tree=ROC_tree, rf=ROC_rf), legacy.axes=TRUE) + scale_x(name="FPR") + scale_y(name="TPR)

我使用基于 pROC 的 ggroc 创建了一个具有多个 ROC 曲线的 ROC 图。我怎样才能插入一条没有歧视的行？

我想在我的情节中有一条从 0,0 到 1,1 的无歧视线，这样我就可以更好地直观地评估我的 ROC 曲线。

我尝试在我的 ggplot 对象上使用 plot() 函数，并且尝试使用 + geom_abline() 和 lines() 函数，但没有任何运气。

我也尝试过： plot(ROC_curves2, identity=TRUE)

我想要一条从 0,0 到 1,1 的无歧视线在我的情节中。

添加 qplot(1,1) + geom_abline() 时，我得到“错误：不知道如何将 o 添加到绘图”。使用 plot() 时会返回一个图，但仍然没有线。

问：有没有办法通过 pROC R 包将命中率和误报率形式的数据导入 roc 对象？

背景：在认知心理学中，我们使用术语“命中率”，相当于灵敏度和“误报率”，相当于 1-特异性。一个常见的任务是识别记忆测试。例如，参与者首先研究一个单词列表（我们将其称为“目标”）。后来，他们参加了一项测试，在其中他们查看了一系列单词，其中一些是早期列表中的目标，而其中一些是早期列表中没有的“诱饵”。对于每个单词，参与者回答是（我以前研究过这个词）或否（我以前没有研究过这个词），然后他们也给出了置信度等级（例如，从 50% 置信度 [只是猜测] 到 100%信心[绝对确定]）。

命中率是参与者正确回答“是”的目标词的比例。误报率是参与者错误地说“是”的诱饵词的比例。通过计算多个置信度（又称“箱”）的累积命中率和误报率，我们可以绘制经验 ROC 曲线，其中 x 轴为误报率，y 轴为命中率。

因此，假设我有 5 个置信区间内的累积命中率和误报率形式的识别记忆数据。例如：误报率：0.05、0.11、0.20、0.28、0.45 命中率：0.45、0.52、0.57、0.59、0.62

我想使用 pROC 包将这些数据放入一个 roc 对象中，以便我可以拟合曲线并计算部分 AUC。有没有办法做到这一点？谢谢你，~杰森芬利

Obese 是一个二元响应变量，1 表示肥胖，0 表示不肥胖。体重是一个连续的预测指标。

使用 RF 对肥胖进行分类：

为我们提供了一个 fit 对象，其中包含：

我相信投票矩阵显示了 rF 从 0 到 1 的投票数，用于将每个案例分类到任一类别；不肥胖=0，肥胖=1：

服用那些：

我的问题是为什么这样做：

和

产生相同的结果。

使用 pROC 包计算 TPR 和 FPR。我可以在使用包的计算中指定我想要的阈值吗？

我要计算阈值从 0 到 1 的 TPR 和 FPR，增量为 0.05。

这是我正在使用的数据集：

我有回应和预测。

这个 pROC 包允许我计算所有可能的阈值。

我当前的代码如下：

预计以 0.05 的增量计算从 0 到 1 的阈值的 TPR 和 FPR。我该怎么做呢？

任何帮助将不胜感激。谢谢

我试图弄清楚 pROC 包中使用了哪些算法来进行 ROC 分析。例如，什么算法对应于条件“算法==2”？我最近才开始将 R 与 Python 结合使用，因为可以轻松找到 CI 估计、显着性测试结果等。我的 Python 代码使用线性判别分析来获得二进制分类问题的结果。当使用 pROC 包计算 AUC、敏感性、特异性等的置信区间估计时，我所要做的就是加载我的数据并运行包。我在使用 pROC 时得到的 AUC 与我使用线性判别分析 (LDA) 的 Python 代码返回的 AUC 相同。为了能够报告一致的结果，我试图找出 LDA 是否是 pROC 中的算法选择之一？关于这个或如何解决这个问题的任何想法都会非常有帮助。我在哪里可以访问 pROC 的源代码？

我无法让 ROC 函数工作，我收到错误“预测器必须是数字或有序”。

我浏览了其他帖子，但没有解决我的问题。非常感谢任何帮助。

我想要绘制的 ROC 曲线和 AUC

我正在使用 h2o 包对 GBM 进行二进制分类。我想评估某个变量的预测能力，如果我是正确的，我可以通过将模型的 AUC 与特定变量和没有特定变量的模型进行比较来做到这一点。

我以泰坦尼克号数据集为例。

所以我的假设是：年龄对于一个人是否会生存具有重要的预测价值。

我知道 pROC 包有一个roc.test函数来比较两条 ROC 曲线的 AUC，我想将此函数应用于我的 h2o 模型的结果。

我想在 x 值的特定范围内绘制一段 ROC 曲线，而不是绘制整个曲线。我不想改变 x 轴本身的范围。我只想在我指定的 x 值范围内绘制 ROC 曲线的一部分。

该代码绘制了整个 ROC 曲线。假设我只想绘制从 x=1 到 x=.5 的曲线。我怎么能那样做？谢谢你。

很清楚 Hand 和 Till 方法在多变量情况下是如何工作的（根据类概率），我已经对照我编写的一些代码检查了这一点。即我使用了一个 3 类问题，我得到了与 pROC 相同的结果。当我将 3 类问题转换为 2 类问题（通过合并 2 个类）时，我得到与 pROC 相同的结果（仍然使用 multiclass.roc）。但是，当我通过 multiclass.roc 响应具有 3 个类、3 个级别但只有一个类概率向量时，我得到了另一个结果。

我知道这是不同的处理方式；https://rdrr.io/cran/pROC/man/multiclass.html说“multiclass.roc 函数可以处理两种类型的数据集：单变量和多变量。在单变量的情况下，传递单个预测向量并评估所有响应组合。”。但是，我无法找到关于这里发生的事情的解释。显然，这与响应中的类数量有关（因为这是唯一的其他数据），但我很想知道在这种情况下 pROC 正在做什么。

这是我的结果（我写了 AUC_mc）：

pROC：3 类单变量：0.8494，3 类与其他类（2 类）：0.9118
AUC_mc：3 类与其他类（2 类）：0.9118

pROC：1 类单变量：0.9721，1 类与其余（2 类）：
0.9693 AUC_mc：1 类与其余（2 类）：0.9692823

pROC：3 级：0.9568
AUC_mc：3 级：0.9567698

非常感谢