【发布时间】：2019-04-24 14:43:21
【问题描述】：
我已经创建了一些预测模型，我正在通过查看 ROC 曲线和 AUC 来评估它们。
目前，我在 X 轴上有特异性，但是，当我研究 ROC 曲线时，我看到 1 - X 轴上的特异性。
有什么区别？我应该使用哪个来验证我的预测模型？ 如果特异性在 X 轴上，我是否仍想最大化 AUC（根据经验，答案是肯定的，但我想确认）？
这是我的绘制方式：
> library(pROC)
> g <- roc(Setup ~ Probs, data = Data)
> plot(g)
> auc(g)
> ci.auc(g)
【问题讨论】：
-
你的 ROC 曲线是否向左上角移动，性能更好？这就是约定。如果您在 x 轴上有特异性，我猜右上角会显示出更好的性能，但曲线下的面积应该是相等的。
-
@Marius 我添加了 RUC 曲线的图像。曲线向右上角移动，但“峰值”接近左上角（如果这有意义的话）。
-
换句话说，它看起来像我在谷歌上找到的任何其他 ROC 图，曲线从左下角开始向右上角移动，峰值向左上角延伸。从字面上看，就像您使用 google 找到的任何 ROC 曲线一样，唯一的区别是，我在 x 轴上有特异性。我在谷歌上找到的所有东西都有 1-Specificity。不知道该怎么做。
标签： r data-science roc auc proc-r-package