如何使用 ROCR 包计算 AUC答案

【问题标题】：How to compute AUC with ROCR package如何使用 ROCR 包计算 AUC
【发布时间】：2017-05-22 06:46:29
【问题描述】：

我已经拟合了一个 SVM 模型并使用 ROCR 包创建了 ROC 曲线。如何计算曲线下面积 (AUC)？

set.seed(1)
tune.out=tune(svm ,Negative~.-Positive, data=trainSparse, kernel ="radial",ranges=list(cost=c(0.1,1,10,100,1000),gamma=c(0.5,1,2,3,4) ))
summary(tune.out)
best=tune.out$best.model

##prediction on the test set
ypred = predict(best,testSparse, type = "class")
table(testSparse$Negative,ypred)

###Roc curve
yhat.opt = predict(best,testSparse,decision.values = TRUE)
fitted.opt = attributes(yhat.opt)$decision.values
rocplot(fitted.opt,testSparse ["Negative"], main = "Test Data")##

【问题讨论】：

嗨，欢迎来到 StackOverflow！您可能想阅读以下内容：stackoverflow.com/questions/5963269/…

标签： r machine-learning roc auc

【解决方案1】：

试试这个：

tune.out=tune(svm ,Negative~.-Positive, data=trainSparse, kernel ="radial",
              ranges=list(cost=c(0.1,1,10,100,1000),gamma=c(0.5,1,2,3,4), 
              probability = TRUE)) # train svm with probability option true
summary(tune.out)
best=tune.out$best.model
yhat.opt = predict(best,testSparse,probability = TRUE)

# Roc curve
library(ROCR)
# choose the probability column carefully, it may be 
# probabilities[,1] or probabilities[,2], depending on your factor levels 
pred <- prediction(attributes(yhat.opt)$probabilities[,2], testSparse$Negative) 
perf <- performance(pred,"tpr","fpr")
plot(perf,colorize=TRUE)

【讨论】：

什么是df？当我运行该命令时，它出现： df$Negative
df 是原始数据帧（您将其分为两部分，训练和测试），您无需担心，只需确保变量 Negative 是一个因素。跨度>
好吧，因为我做了这个： tweets$Negative= as.factor(tweets$Sent

【解决方案2】：

您的示例似乎并不完整，因此我似乎无法运行它并相应地对其进行更改，但请尝试按照以下方式插入一些内容：

...
prediction.obj <- prediction(...)
perf <- performance(prediction.obj, measure = "auc")
print("AUC: ", perf@y.values)

您可以在sandipan's code 之后附加它，这样您就可以单独获得情节。

请参阅performance 的 ROCR 手册，第 5 页：ftp://ftp.auckland.ac.nz/pub/software/CRAN/doc/packages/ROCR.pdf

"auc" 是performance 可以产生的可能措施之一。

【讨论】：

【解决方案3】：

从ROCR 包中的prediction 方法开始。

pred_ROCR <- prediction(df$probabilities, df$target)

在情节中获得 ROC：

roc_ROCR <- performance(pred_ROCR, measure = "tpr", x.measure = "fpr")
plot(roc_ROCR, main = "ROC curve", colorize = T)
abline(a = 0, b = 1)

并获得 AUC 值：

  auc_ROCR <- performance(pred_ROCR, measure = "auc")
  auc_ROCR <- auc_ROCR@y.values[[1]]

【讨论】：

【解决方案4】：

计算 AUC

# Outcome Flag & Predicted probability
roc_val <-roc(testing.label,gbmPred) 

plot(roc_val,col='blue')

auc(roc_val)

【讨论】：