问题标签 [proc-r-package]

首先让我说这是我第一次发布关于堆栈溢出的问题，所以我希望我能很好地解释这一点。

我正在尝试计算多个逻辑回归简单模型的 c-stat（曲线下面积）。

我有一个简单模型的代码。我有一个二元响应变量（这是一个级别为 0 和 1 的因子）和 100 个预测变量，它们都是数字的。这里我只使用一个数字预测变量。此代码有效。

现在我要做的是创建一个单独的数据框，其中一列中包含预测变量的名称，第二列中包含其 c stat。

这是我到目前为止没有成功的尝试：

但我收到一条错误消息：

我正在尝试使用具有以下 2 列的 pROC 制作 ROC 曲线：（列表继续超过 300 个条目）

我尝试使用的代码是：

阳性结果的阈值为 Actual_Findings_% <0.4 AND Predicted_Finding_Prob >0.5（即为 TRUE POSITIVE，actual_finding_% 将小于 0.4，且 predict_finding_prob 将大于 0.5）

但是当我尝试绘制这条 roc 曲线时，我得到了错误：

任何帮助将非常感激！

包裹：

数据集如下所示：Dataset #Apologies for not include the actual dataset

我正在尝试在从第 3 列开始的所有列中应用 roc() 代码：

目前，我正在考虑做一个lapply方法。

我遇到了一个错误：

3:ncol 中的错误：NA/NaN 参数

有没有更好的方法？请帮忙！

在我的实验中，参与者对先前以 5 步规模呈现的两个刺激之间的距离进行评分（1 = 确定它们靠近，3 = 不知道，5 = 确定它们很远）。刺激属于 4 个条件（2x2 重复测量设计；参见表中的 cond_A、cond_B）。以下是长格式数据框的摘要，显示了该相关置信度评级的两个重复条件、ID、比例（每个 ID 的 n 次试验/总计）。

df的尾巴

请在此处找到总结数据的图

从中，我需要提取 ROC 曲线（类似于第 3 章：经验 ROC https://rstudio-pubs-static.s3.amazonaws.com/371840_5694e490af85424eb7e7f3ae721cd67d.html#chapter-3-empirical-rocs）但不能正面或关于如何做到这一点的尾巴。

您对如何对这些数据进行 ROC 分析有任何提示吗？或者您认为可能适合此类响应的任何其他分析？谢谢你的帮助

我做了两条ROC曲线，其中一条结果如下：

另一个结果如下：

roc.test()通过包的比较后得到的结果pROC是：

roc1的AUC是0.7692，roc2的AUC是0.9327，但是为什么对比后roc.test()，AUC分别变成0.9615385 0.9326923呢？

我正在使用 pROC 提供血液测试的 ROC 分析。我已经计算了 ROC 曲线、AUC，并正在使用 ci.coords 函数以提供的特异性（95% CI）提供规格、传感器、PPV 和 NPV。

我想能够说出这是什么值的血检，例如在 1.2 时，sens 是 x，spec 是 y，NPV 是 c，PPV 是 d。理想情况下，我应该有如下表的数据：

我似乎无法从我目前使用的方法中得到这个？

有没有人有什么建议？

非常感谢

目前

每当您使用 pROC::roc() 创建 ROC 曲线时，代码本身和 AUC 等附加信息将默认绘制在绘图下方的 rmarkdown 中。

有谁知道如何在没有呼叫和数据信息的情况下打印 ROC 曲线？

例子

代码

谢谢 ：）

我正在尝试获取 sens、spec、npv 和 ppv，以了解两种患者评分系统的能力及其预测入院的能力。解释数据：

'Etriage' 是电子分流系统（分数从 1-5 分），AETriage 是一个面对面的分流系统（socres 1-5）。录取有 2 个级别作为因素 0 - 未录取，1 - 录取。

例如：

我想比较两个分数预测录取的能力，并且一直在尝试使用 pROC 来做到这一点（取自整个数据集）：

我将如何编码 2 个操作级别（低敏锐度 = 分数 3-5 和高敏锐度 = 1-2）并评估他们预测入院的能力？

谢谢！

I'm trying to use a function that calls on the pROC package in R to calculate the area under the curve for a number of different outcomes.

To do this, I am intending to refer to outcome names in a vector (much like below).

However, I am having problems defining variables to input into this function. When I do this, I generate the error: "Error in roc.default(response, predictor, auc = TRUE, ...): 'response' must have two levels". However, I can't work out why, as I reckon I only have two levels...

I would be so happy if anyone could help me!

Here is a reproducible code from the iris dataset in R.

在roc函数的默认方向 = "auto"设置下，似乎应该自动配置病例和对照，以使预测变量的 ROC 曲线高于绘图的对角线并且 AUC >= 0.5。

但是，下面显示的代码错误地分配了案例和控制值，从而创建了 AUC < 0.5 的 ROC 曲线。

我知道我可以通过在单变量设置中手动设置方向参数来解决这个问题，但我最终试图创建一个多变量 ROC 图，为此我无法手动为每个参数提供方向。

我可以做些什么来使默认方向=“自动”设置正确确定我的案例和控制吗？

非常感谢！