关于roc（）中R中pROC包的引导方法

Question

当我们将smooth参数的值设置为TRUE时，roc（）将使用bootstrap方法进行曲线计算。 Bootstrap是一个随机过程，因此我们通常需要set.seeds（）来获得可再现的输出吗？ 但是我发现即使我们不设置种子，基于这些引导程序计算出的AUC也是固定的。有什么解释吗？ 平滑的ROC曲线是否比锯齿状的曲线更好？

Answer 1

恰恰相反。据我所知，为了平滑ROC曲线，使用了二项式模型。 通常，在pROC软件包中，使用引导程序进行测试。 我建议阅读BMC生物信息学论文。仅当需要基于小型数据集绘制一堆曲线时，我才更喜欢平滑的ROC曲线。