如何在 R 中使用 pROC 或 ROCR 包从预测的类概率计算 ROC 曲线下的面积？答案

【问题标题】：How to compute area under ROC curve from predicted class probabilities, in R using pROC or ROCR package?如何在 R 中使用 pROC 或 ROCR 包从预测的类概率计算 ROC 曲线下的面积？
【发布时间】：2015-07-05 10:37:12
【问题描述】：

我使用插入符号库计算二元分类问题的类别概率和预测，使用 10 倍交叉验证和 5 次重复。

现在我有 TRUE（每个数据点的观察值）值、PREDICTED（通过算法）值、0 类概率和1 类概率，算法用于预测类标签。

现在如何使用ROCR 或pROC 库创建roc 对象，然后计算auc 值？

假设我将所有这些值都存储在 predictions 数据框中。例如predictions$pred 和 predictions$obs 分别是预测值和真实值，以此类推...

【问题讨论】：

标签： r r-caret roc auc

【解决方案1】：

由于您没有提供可重现的示例，我假设您有一个二元分类问题，并且您在 Class 上预测为 Good 或 Bad。

predictions <- predict(object=model, test[,predictors], type='prob')

你可以这样做：

> pROC::roc(ifelse(test[,"Class"] == "Good", 1, 0), predictions[[2]])$auc
# Area under the curve: 0.8905

【讨论】：