Question

我想使用pROC软件包计算不同的分类指标（敏感性，特异性）。为此，我可以在coords包中使用pROC函数：

# Load library
library(pROC) 
# Load data
data(aSAH)
#Convert Good and Poor to 1 and 0
aSAH$outcome <- ifelse(aSAH$outcome=="Good", 1, 0)
# Calculate ROC
rocobj <- roc(aSAH$outcome, aSAH$s100b)
# Get sensitivity and specificity
coords(rocobj, 0.55)

这里需要1作为积极的类，即可能是最流行的类，但我不确定。我想知道，如果有可能使用'0'作为积极的类。例如，您可以在caret包的confusionMatrix函数中执行此操作：

confusionMatrix(factor(as.numeric(aSAH$s100b<0.55),levels=c('0','1')),
                   factor(aSAH$outcome,levels=c('0','1')), positive='1')

表示1为正面和

confusionMatrix(factor(as.numeric(aSAH$s100b<0.55),levels=c('0','1')),
                   factor(aSAH$outcome,levels=c('0','1')), positive='0')

表示0为正类。我正在使用pROC包，因为它提供了其他功能，例如确定最佳截止值等，这在插入符号中是不可能的。但是，有没有办法在pROC包中指定正面和负面类？

Answer 1

使用levels参数：

levels: the value of the response for controls and cases
          respectively.

这里“控制”表示否定观察，“情况”表示肯定。选择不是基于普遍性，仅仅基于levels(as.factor(response))的前两个值。

要更改它，请传递长度为2的向量，例如：

rocobj <- roc(aSAH$outcome, aSAH$s100b, levels = c(1, 0))

请注意，在设置direction参数（默认情况下为"auto"）之前，它对您的曲线没有影响。

在pROC包中指定正类

1 个答案: