如何使用pROC或ROCR包在R中计算从预测类概率下的ROC曲线下的面积？

Question

我使用了caret库来计算二分类问题的类别概率和预测结果，使用了10折交叉验证和5次重复。

现在我拥有每个数据点的实际值，算法预测的值，以及用于预测类标签的类0概率和类1概率。

现在我该如何使用ROCR或pROC库创建一个roc对象，然后计算auc值呢？

假设我已经将所有这些值存储在predictions数据框中。例如，predictions$pred和predictions$obs分别是预测和实际值，依此类推...

- exAres

Answer 1

由于您没有提供可重现的示例，我假设您有一个二元分类问题，并且您对标签为Good或Bad的Class进行预测。

predictions <- predict(object=model, test[,predictors], type='prob')

您可以：

> pROC::roc(ifelse(test[,"Class"] == "Good", 1, 0), predictions[[2]])$auc
# Area under the curve: 0.8905

- Steven Beaupré