Question

在计算了几个回归模型后，我想计算灵敏度值和预先指定的特异性值（即0.99,0.90,0.85等）的截止值，以找到最佳模型。我已经创建了代码来计算给定截止值的灵敏度和特异性（从0.1到0.9），但现在我想使用特定的特异性值（即计算相应的截止值和灵敏度值），在这里，我被卡住了。

假设我有以下回归模型（使用示例数据集＆＃39; mtcars＆＃39;）：

    data(mtcars)
    model <- glm(formula= vs ~ wt + disp, data=mtcars, family=binomial)

以下是我用于计算截止值给定值的sens和spec的代码：

    predvalues <- model$fitted.values
getMisclass <- function(cutoff, p, labels){
  d <- cut(predvalues, breaks=c(-Inf, cutoff, Inf), labels=c("0", "1"))
  print(confusionMatrix(d, mtcars$vs, positive="1"))
  cat("cutoff", cutoff, ":\n")
  t <- table(d, mtcars$vs)
  print(round(sum(t[c(1,4)])/sum(t), 2)) 
}
cutoffs <- seq(.1,.9,by=.1)
sapply(cutoffs, getMisclass, p=predval, labels=mtcars$vs)

在给定一系列特异性值的情况下，有人可以帮助我如何重写此代码以计算灵敏度和截止分数吗？可能吗？截止值应为

    cutoffs <- c(0.99, 0.90, 0.85, 0.80, 0.75)

非常感谢！

Answer 1

这与如何计算ROC曲线密切相关：如果以精细粒度计算这些曲线，则基本上可以获得对每个＆＃34;门槛值。所以，你可以做的只是计算灵敏度，特异性和相应的阈值，就像你想要获得ROC曲线一样......

library(pROC)
myRoc <- roc(predictor = predvalues, response = mtcars$vs)
plot(myRoc)
myRoc$specificities
print(with(myRoc, data.frame(specificities, sensitivities, thresholds)))

# specificities sensitivities  thresholds
# 1     0.00000000    1.00000000        -Inf
# 2     0.05555556    1.00000000 0.002462809
# 3     0.11111111    1.00000000 0.003577104
# 4     0.16666667    1.00000000 0.004656164
# 5     0.22222222    1.00000000 0.005191974
# 6     0.27777778    1.00000000 0.006171197
# [...]

...然后查找您感兴趣的具体情况的相应灵敏度和阈值，例如为：

cutoffs <- c(0.99, 0.90, 0.85, 0.80, 0.75)
myData <- with(myRoc, data.frame(specificities, sensitivities, thresholds))
library(plyr)
print(laply(cutoffs, function(cutoff) myData$sensitivities[which.min(abs(myData$specificities-cutoff))]))

# [1] 0.7857143 0.8571429 0.8571429 0.9285714 0.9285714

计算具体特异性值的截止值和灵敏度？

1 个答案: