如何使用SAS的预测值在R中创建ROC？

Question

我有一个来自SAS的数据集，它是用两列y和yhat评分的数据。 y是二进制（0,1），y是得分值，模型是逻辑回归。我想在这个SAS模型中为r创建roc并将其与R中的其他模型进行比较。我不知道如何实现这一点？有什么建议？感谢。

如何使用SAS的预测值在R中创建ROC？

Answer 1

您可以像这样使用ROCR包：

## computing a simple ROC curve (x-axis: fpr, y-axis: tpr)
library(ROCR)
pred <- prediction( SASdataset$predictions, SASdataset$labels)
perf <- performance(pred, "tpr", "fpr")
plot(perf)

Answer 2

非常简单，如果你知道ROC曲线是如何工作的。您希望能够使用模型中的预测值将人们分类为您在下面使用的0或1的二分结果。

因此，如果您要为0.5的预测值选择截止值，那么高于此阈值的任何人都会被视为正/ 1 /患病/等，而任何低于0 /未受影响的人。

那很好，但可以改进吗？所以这里的想法是，如果我们经历了一系列截止点，哪一个最准确地将人们分类为我们的二分结果，即将模型的预测值与我们知道的实际分类进行比较。 / p>

# some data
dat <- data.frame(pred = rep(0:1, each = 50),
                  predict = c(runif(50), runif(50, .5, 1.5)))

# a matrix of the cutoffs, specificity, and sensitivity
p1 <- matrix(0, nrow = 19, ncol = 3)
i <- 1

# for each cutoff value, create a 2x2 table and calculate your sens/spec
for (p in seq(min(dat$predict), .95, 0.05)) {
  t1 <- table(dat$predict > p, dat$pred)
  p1[i, ] <- c(p, (t1[2, 2]) / sum(t1[ , 2]), (t1[1, 1]) / sum(t1[ , 1]))
  i <- i + 1
}

# and plot
plot(1 - p1[ , 3], p1[ , 2], type = 'l',
     xlab = '1 - spec', ylab = 'sens', 
     main = 'ROC', cex.main = .8)

那里有一些软件包，ROCR是我用过的软件包，但这需要几分钟的时间来编程，很容易理解，并且在基础R中。