Question

我很难理解multiclass.roc参数应该是什么样子。这是我的数据的快照：

> head(testing.logist$cut.rank)
[1] 3 3 3 3 1 3
Levels: 1 2 3
> head(mnm.predict.test.probs)
              1            2          3
9  1.013755e-04 3.713862e-02 0.96276001
10 1.904435e-11 3.153587e-02 0.96846413
12 6.445101e-23 1.119782e-11 1.00000000
13 1.238355e-04 2.882145e-02 0.97105472
22 9.027254e-01 7.259787e-07 0.09727389
26 1.365667e-01 4.034372e-01 0.45999610
>

我尝试用：

调用multiclass.roc

multiclass.roc(
        response=testing.logist$cut.rank,
        predictor=mnm.predict.test.probs,
        formula=response~predictor
        )

但我自然会收到错误：

Error in roc.default(response, predictor, levels = X, percent = percent,  : 
  Predictor must be numeric or ordered.

当它是二元分类问题时，我知道'预测变量'应该包含概率（每个观察一个）。但是，在我的情况下，我有3个类，所以我的预测器是一个行列表，每个行有3列（或3个值的子列表）对应于每个类的概率。有谁知道我的“预测器”应该是什么样子而不是它现在的样子？

Answer 1

pROC包并不是真正设计用于处理这种情况，您可以获得多个预测（作为每个类的概率）。通常，您会评估您的P（class = 1）

multiclass.roc(
    response=testing.logist$cut.rank,
    predictor=mnm.predict.test.probs[,1])

然后再用P（class = 2）和P（class = 3）再做一次。或者更好，确定最可能的类：

predicted.class <- apply(mnm.predict.test.probs, 1, which.max)
multiclass.roc(
    response=testing.logist$cut.rank,
    predictor=predicted.class)

将multiclass.roc视为一种有时可能有用的玩具，但最有可能无法满足您的需求。

R多类/多项分类ROC使用multiclass.roc（包'pROC'）

1 个答案: