Question

我是R的新手，我正努力创造我的第一个模特。我正在进行一个2级随机森林项目，到目前为止，我已经按照以下方式对模型进行了编程：

library(randomForest)

set.seed(2015)

randomforest <- randomForest(as.factor(goodkit) ~ ., data=training1, importance=TRUE,ntree=2000)

varImpPlot(randomforest)

prediction <- predict(randomforest, test,type='prob')

print(prediction)

我不确定为什么我没有得到我的模型的整体预测。我必须在我的代码中遗漏一些东西。我在测试集中获得了每个案例的OOB和预测，但没有得到模型的整体预测。

library(pROC)

auc <-roc(test$goodkit,prediction)

print(auc)

这根本不起作用。

我已阅读过pROC手册，但我无法理解所有内容。如果任何人都可以帮助代码或发布链接到一个好的实际样本，那将是非常有帮助的。

Answer 1

Using the ROCR package, the following code should work for calculating the AUC:

library(ROCR)
predictedROC <- prediction(prediction[,2], as.factor(test$goodkit))
as.numeric(performance(predictedROC, "auc")@y.values))

Answer 2

您的问题是predict对象randomForest上的type='prob'会返回两个预测：每列包含属于每个类的概率（用于二进制预测）。

您必须决定使用哪些预测来构建ROC曲线。幸运的是，对于二进制分类，它们是相同的（只是相反）：

auc1 <-roc(test$goodkit, prediction[,1])
print(auc1)
auc2 <-roc(test$goodkit, prediction[,2])
print(auc2)

R

2 个答案: