randomForest中的ROC曲线错误

Question

我正在尝试从下面创建一条 ROC 曲线。我收到一个错误，指出预测中的错误（bc_rf_predict_prob，bc_test$Class）： 预测和标签的交叉验证运行次数必须相等。

library(mlbench) #has the Breast Cancer dataset in it
library(caret)
data(BreastCancer) #two class model

bc_changed<-BreastCancer[2:11] #removes variables not to be used


#Create train and test/holdout samples (works fine)
set.seed(59)
bc_rand <- bc_changed[order(runif(699)), ] #699 observations
bc_rand <- sample(1:699, 499) 
bc_train <- bc_changed[ bc_rand,]
bc_test  <- bc_changed[-bc_rand,]

#random forest decision tree (works fine)
library(caret)
library(randomForest)
set.seed(59) 
bc_rf <- randomForest(Class ~.,data=bc_train, ntree=500,na.action = na.omit, importance=TRUE)

#ROC
library(ROCR)
actual <- bc_test$Class 
bc_rf_predict_prob<-predict(bc_rf, type="prob", bc_test) 
bc.pred = prediction(bc_rf_predict_prob,bc_test$Class) #not work- error

预测中的错误-错误（bc_rf_predict_prob，bc_test$Class）： 预测和标签的交叉验证运行次数必须相等。

我认为这是因为我这样做的事实：

bc_rf_predict_prob<-predict(bc_rf, type="prob", bc_test) 

我得到一个矩阵作为结果，其中包含两列良性及其概率列表以及第二列恶性及其概率列表。我的逻辑告诉我我应该只有一个概率向量。

Answer 1

根据page 9 of the ROCR Library documentation，prediction 函数有两个必需的输入，predictions 和labels，它们必须具有相同的维度。

对于矩阵或数据框，所有交叉验证运行必须具有相同的长度。

由于str(bc_rf_predict_prob) > [1] matrix [1:200, 1:2]，这意味着str(bc_test$Class) 应该有一个匹配的维度。

听起来你只想要bc_rf_predict_prob 的第一列向量，但不看数据我无法确定。