Question

在对一组分子运行逻辑回归模型后，我有以下预测，我们认为这些分子可预测肿瘤与正常人的关系。

                  Predicted   class     
                      T        N          
                 T   29        5
  Actual class
                 N   993      912

我有一个分数列表，范围从预测＆lt; 0（负数）到预测＆gt; 0（正数）。然后我在我的data.frame中有另一列，表示从模型预测的标签（1 ==肿瘤和0 ==法线）。我尝试使用library(ROC)以下列方式计算ROC：

 pred = prediction(prediction, labels)     
 roc = performance(pred, "tpr", "fpr")   
 plot(roc, lwd=2, colorize=TRUE)

使用：

       roc_full_data <- roc(labels, prediction)
       rounded_scores <- round(prediction, digits=1)
       roc_rounded <- roc(labels, prediction)

呼叫：

       roc.default(response = labels, predictor = prediction)
       Data: prediction in 917 controls (category 0) < 1022 cases (category1).
       Area under the curve: 1

AUC等于1.我不确定我是否正确运行或者我在解释结果时做错了，因为AUC等于1是非常罕见的。

有人能帮帮我吗？

最佳

Answer 1

你的x.measure中有一个拼写错误，应该抛出一个错误。你有“for”而不是“fpr”。请尝试以下代码。

performance(pred, measure = "tpr", x.measure = "fpr")
plot(perf)

# add a reference line to the graph
abline(a = 0, b = 1, lwd = 2, lty = 2)

# calculate AUC
perf.auc <- performance(pred, measure = "auc")
str(perf.auc)
as.numeric(perf.auc@y.values)

Answer 2

我使用pROC来计算AUC：

require(pROC)
set.seed(1)
pred = runif(100)
y = factor(sample(0:1, 100, TRUE))
auc = as.numeric(roc(response = y, predictor = pred)$auc)
print(auc) # 0.5430757

或者

require(AUC)
auc = AUC::auc(AUC::roc(pred, y))
print(auc) # 0.4569243

~~我无法解释为什么结果不同。~~

编辑：上面的aucs总和为1.0，因此其中一个lib会自动“反转”预测。

AUC意外值

2 个答案: