标签: r machine-learning data-science roc auc
我最近遇到pROC包,得到AUC。在帮助部分,他们给出了以下示例:
pROC
AUC
library("pROC") data(aSAH) auc(aSAH$outcome, aSAH$s100b)
在上面,outcome是factor,而s100b是numerical。
outcome
factor
s100b
numerical
我的问题是AUC在这种情况下如何工作? s100b适用什么门槛?还是没关系?
编辑1 上面的代码生成AUC = 0.73。我怎么知道选择哪个阈值来获得该值?
AUC = 0.73
答案 0 :(得分:1)
pROC的auc功能中的AUC是ROC curve下的区域。该函数在后台首先调用roc函数,因此您所做的等同于:
auc
roc
myroc <- roc(aSAH$outcome, aSAH$s100b) auc(myroc)
通过计算所有可能阈值的敏感性和特异性获得ROC曲线。您可以使用plot函数来可视化曲线,并且AUC显示为灰色:
plot
plot(myroc, auc.polygon=TRUE)