无法使用 R 中的 pROC 库获得正确的多类 ROC 曲线

Question

我的预测栏有垃圾邮件，不是垃圾邮件，而且无法定义。我使用了集成方法-堆叠方法来预测它。我能够获得大约 77% 的准确度我能够绘制 ROC 曲线，但我认为它不正确。

集成技术代码：

# Generate level-one dataset for training the ensemble metalearner
predDF <- data.frame(dataTest.pred, NB_Predictions, RF_Predictions,SVM_Predictions, spam = validation$spam, stringsAsFactors = F)

# Train the ensemble

# define training control
set.seed(1958)
# Train the ensemble
modelStack <- caret::train(spam ~ ., data = predDF, method = "rf")

这是我的 ROC 代码：

#ROC Curve
pre<-predict(modelStack, testPredLevelOne,type='prob')
# AUC measure
modelroc = mean(
  c(as.numeric(multiclass.roc(testPredLevelOne$spam, pre[,1])$auc),
    as.numeric(multiclass.roc(testPredLevelOne$spam, pre[,2])$auc),
    as.numeric(multiclass.roc(testPredLevelOne$spam, pre[,3])$auc)
  )
)

我认为 AUC 度量也不正确。

> modelroc
[1] 0.500903

这是我尝试绘制 ROC 曲线的另一种方法。我认为这也行不通。

#Method 2 ROC
predictions<-as.numeric(predict(modelStack, testPredLevelOne))
roc.multi<-multiclass.roc(testPredLevelOne$spam,predictions)
auc(roc.multi)
rs <- roc.multi[['rocs']]
plot.roc(rs[[1]])

sapply(2:length(rs),function(i) lines.roc(rs[[i]],col=i))

剧情如下：

有人可以帮我解决这个问题吗？非常感谢。

Answer 1

类之间的平均是直接在 pROC 中完成的。因此，您只想使用单个预测向量运行 multiclass.roc 一次。通常您希望使用type="response" 而不是probs，尽管这可能会因您的模型可用的predict 函数而异：

pre<-predict(modelStack, testPredLevelOne, type='response')

之后，pROC 会为您进行平均，因此您可以直接获得平均 AUC：

multiclass.roc(testPredLevelOne$spam, pre)$auc

请注意，在您的情况下，这将是 3 个 AUC 的平均值：垃圾邮件与非垃圾邮件、垃圾邮件与不可定义的邮件以及非垃圾邮件与不可定义的邮件。这可能无法反映您计算的准确度值。

关于绘图，您从 caret 的 predict.train 方法中获得了预测类。通常为了构建 ROC 曲线，您需要一个数字的、定量的测量。定性测量会产生包含单个点的 ROC 曲线，这通常不是最佳的。不幸的是，插入符号中的 type="probs" 选项返回 3 个概率向量，这不是 pROC 支持的格式。

另一种方法是更手动地执行计算，选择要测试的正确概率列和级别：

pre<-predict(modelStack, testPredLevelOne,type='prob')
roc(testPredLevelOne$spam, pre[,X], levels = c("not spam", "spam"), plot = TRUE)
roc(testPredLevelOne$spam, pre[,X], levels = c("undefined", " spam"), plot = TRUE, add = TRUE)

最终，您应该仔细查看多类 ROC 分析的相关性。 ROC 是为二进制分类而设计的，根据我的经验，各种现有的多类扩展的相关性有些可疑。