我认为 roc.test 不存在,但您可以使用 library(caTools) 来执行此操作。
使用 'sapply' 和 library(pROC) 也很容易比较 AUC 值,如下所示,我在这里描述这两种方法:
两种方法的示例和设置:
在此处构建模型:
lm1 <- lm(am ~ disp + mpg, data= mtcars)
lm2 <- lm(am ~ disp + hp, data= mtcars)
lm3 <- lm(am ~ disp + wt, data= mtcars)
在这里预测模型:
predict1 <- predict(lm1, newdata=mtcars)
predict2 <- predict(lm2, newdata=mtcars)
predict3 <- predict(lm3, newdata=mtcars)
方法1:
library("caTools")
colAUC(cbind(predict1, predict2, predict3), mtcars$am, plotROC = T)
输出:
[,1] [,2] [,3]
0 vs. 1 0.8380567 0.9433198 0.9433198
如果您选择使用plotROC = T,那么您将收到 ROC 之间的绘图比较
方法二:
auc.val <- sapply(list(predict1, predict2, predict3),function(x)roc(pred=x,resp=mtcars$am)$auc)
最后在这里使用 sapply 计算 AUC:
library(pROC)
auc.val <- sapply(list(predict1, predict2, predict3),function(x)roc(pred=x,resp=mtcars$am)$auc)
会返回这个:
> auc.val
[1] 0.8380567 0.9433198 0.9433198
如果您有兴趣使用名称打印此内容,请在 sapply 中使用 USE.NAMES
> auc.val <- sapply(list("lm1" = predict1, "lm2" = predict2,"lm3"= predict3),function(x)roc(pred=x,resp=mtcars$am)$auc, USE.NAMES = T)
> auc.val
lm1 lm2 lm3
0.8380567 0.9433198 0.9433198