Question

我想知道是否有办法根据使用caret包生成的SVM-RFE模型的交叉验证数据绘制平均ROC曲线。

我的结果是：

Recursive feature selection

Outer resampling method: Cross-Validated (10 fold, repeated 5 times) 

Resampling performance over subset size:

 Variables    ROC   Sens   Spec Accuracy  Kappa  ROCSD SensSD SpecSD AccuracySD KappaSD Selected
         1 0.6911 0.0000 1.0000   0.5900 0.0000 0.2186 0.0000 0.0000     0.0303  0.0000         
         2 0.7600 0.3700 0.8067   0.6280 0.1807 0.1883 0.3182 0.2139     0.1464  0.3295         
         3 0.7267 0.4233 0.8667   0.6873 0.3012 0.2020 0.3216 0.1905     0.1516  0.3447         
         4 0.6989 0.3867 0.8600   0.6680 0.2551 0.2130 0.3184 0.1793     0.1458  0.3336         
         5 0.7000 0.3367 0.8600   0.6473 0.2006 0.2073 0.3359 0.1793     0.1588  0.3672         
         6 0.7167 0.3833 0.8200   0.6427 0.2105 0.1909 0.3338 0.2539     0.1682  0.3639         
         7 0.7122 0.3767 0.8333   0.6487 0.2169 0.1784 0.3226 0.2048     0.1642  0.3702         
         8 0.7144 0.4233 0.7933   0.6440 0.2218 0.2017 0.3454 0.2599     0.1766  0.3770         
         9 0.8356 0.6533 0.7867   0.7300 0.4363 0.1706 0.3415 0.2498     0.1997  0.4209         
        10 0.8811 0.6867 0.8200   0.7647 0.5065 0.1650 0.3134 0.2152     0.1949  0.4053        *
        11 0.8700 0.6933 0.8133   0.7627 0.5046 0.1697 0.3183 0.2147     0.1971  0.4091         
        12 0.8678 0.6967 0.7733   0.7407 0.4682 0.1579 0.3153 0.2559     

...
The top 5 variables (out of 10):
   SumAverage_GLCM_R1SC4NG2, Variance_GLCM_R1SC4NG2, HGZE_GLSZM_R1SC4NG2, LGZE_GLSZM_R1SC4NG2, SZLGE_GLSZM_R1SC4NG2

我尝试过这里提到的解决方案： ROC curve from training data in caret

optSize <- svmRFE_NG2$optsize
selectedIndices <- svmRFE_NG2$pred$Variables == optSize
plot.roc(svmRFE_NG2$pred$obs[selectedIndices],
         svmRFE_NG2$pred$LUNG[selectedIndices])

但是这个解决方案似乎不起作用（产生的AUC值非常不同）。我已将训练过程的结果分为50个交叉验证集，如前一个答案中所述，但我不知道下一步该做什么。

resamples<-split(svmRFE_NG2$pred,svmRFE_NG2$pred$Variables)
resamplesFOLD<-split(resamples[[optSize]],resamples[[optSize]]$Resample)

有什么想法吗？

Answer 1

正如您已经做过的那样，您可以a）在savePredictions = T的{{1}}参数中启用trainControl，然后从受过训练的模型对象启用b），使用caret::train变量 - 包含所有分区和重新采样的所有预测 - 计算您想要查看的任何ROC曲线。您现在可以使用多种选项，例如：

您可以查看所有分区的所有预测并立即重新采样：

pred

或者您可以通过单个分区和/或重新采样执行此操作（这是您在上面尝试过的）。以下示例计算每个分区和 resample的ROC曲线，因此使用10个分区和5个重复将产生50个ROC曲线：

plot(roc(predictor = modelObject$pred$CLASSNAME, response = modelObject$pred$obs))

根据您的数据和模型，后者会在得到的ROC曲线和AUC值中给出一定的差异。您可以在针对各个分区和重新抽样计算的library(plyr) l_ply(split(modelObject$pred, modelObject$pred$Resample), function(d) { plot(roc(predictor = d$CLASSNAME, response = d$obs)) })和AUC值SD中看到相同的差异，因此这是由您的数据和模型得出的，并且是正确的。

BTW：我使用caret函数来计算上面的例子，但你可以在这里使用任何合适的函数。并且，当使用pROC::roc获取时，无论模型类型如何，ROC始终相同。

Answer 2

我知道这篇文章很旧，但是我有一个相同的问题，试图理解为什么每次重采样计算ROC值时以及为什么一次使用所有预测和重采样计算ROC值时得到不同的结果。哪种ROC计算方法正确？

（为发布新答案而道歉，但我不允许发表评论。）

从R中的交叉验证（训练）数据绘制ROC曲线

2 个答案: