【问题标题】：TPR & FPR Curve for different classifiers - kNN, NaiveBayes, Decision Trees in R不同分类器的 TPR 和 FPR 曲线 - R 中的 kNN、朴素贝叶斯、决策树
【发布时间】：2016-03-23 22:48:05
【问题描述】：

我正在尝试了解和绘制不同类型分类器的 TPR/FPR。我在 R 中使用 kNN、NaiveBayes 和决策树。使用 kNN 我正在执行以下操作：

clnum <- as.vector(diabetes.trainingLabels[,1], mode = "numeric")
dpknn <- knn(train = diabetes.training, test = diabetes.testing, cl = clnum, k=11, prob = TRUE)
prob <- attr(dpknn, "prob")
tstnum <- as.vector(diabetes.testingLabels[,1], mode = "numeric")
pred_knn <- prediction(prob, tstnum)
pred_knn <- performance(pred_knn, "tpr", "fpr")
plot(pred_knn, avg= "threshold", colorize=TRUE, lwd=3, main="ROC curve for Knn=11")

其中，diabetes.trainingLabels[,1] 是我要预测的标签（类）向量，diabetes.training 是训练数据，diabetest.testing 是 testing.data。

情节如下所示：

prob 属性中存储的值是一个数值向量（0 到 1 之间的十进制数）。我将类标签因子转换为数字，然后我可以将它与 ROCR 库中的预测/性能函数一起使用。不是 100% 确定我做对了，但至少它有效。

对于 NaiveBayes 和决策树，在 predict 函数中指定 prob/raw 参数时，我得到的不是单个数字向量，而是一个列表或矩阵向量，其中指定了每个类的概率（我猜），例如：

diabetes.model <- naiveBayes(class ~ ., data = diabetesTrainset)
diabetes.predicted <- predict(diabetes.model, diabetesTestset, type="raw")

和糖尿病预测是：

     tested_negative tested_positive
     [1,]    5.787252e-03       0.9942127
     [2,]    8.433584e-01       0.1566416
     [3,]    7.880800e-09       1.0000000
     [4,]    7.568920e-01       0.2431080
     [5,]    4.663958e-01       0.5336042

问题是如何使用它来绘制 ROC 曲线以及为什么在 kNN 中我得到一个向量而对于其他分类器我将它们分别用于两个类？

【问题讨论】：

标签： r machine-learning classification roc

【解决方案1】：

ROC曲线

您为knn11 分类器提供的 ROC 曲线看起来不正确 - 它位于对角线下方，表明您的分类器正确分配类标签的几率少于 50%。最有可能发生的事情是您提供了错误的类别标签或错误的概率。如果在训练中您使用 0 和 1 的类标签 - 这些相同的类标签应该以相同的顺序传递给 ROC 曲线（没有 0 和一个翻转）。

另一个不太可能的可能性是你有一个非常奇怪的数据集。

其他分类器的概率

开发 ROC 曲线是为了从雷达中调用事件。从技术上讲，它与预测事件密切相关——您正确猜测从雷达接近的飞机的概率。所以它使用一个概率。当有人对“命中”概率不明显的两个类别进行分类时，这可能会令人困惑，例如在您有案例和对照的情况下。

但是，任何两个类别的分类都可以用“命中”和“未命中”来表示 - 您只需选择一个您将称之为“事件”的类别。在您的情况下，患有糖尿病可能被称为事件。

所以从这张表来看：

 tested_negative tested_positive
 [1,]    5.787252e-03       0.9942127
 [2,]    8.433584e-01       0.1566416
 [3,]    7.880800e-09       1.0000000
 [4,]    7.568920e-01       0.2431080
 [5,]    4.663958e-01       0.5336042

您只需要选择一个概率 - 一个事件的概率 - 可能是“tested_positive”。另一个“tested_negative”只是1-tested_positive，因为当分类器判断某个人患有糖尿病的几率为 79% 时——他同时“认为”该人没有糖尿病的几率为 21%。但是你只需要一个数字来表达这个想法，所以 knn 只返回一个，而其他分类器可以返回两个。

我不知道您将哪个库用于决策树，因此无法帮助该分类器的输出。

【讨论】：

【解决方案2】：

看起来你从根本上是错误的。

理想情况下，KNN 图看起来像上面一个。这里有几点你可以使用。

在您的代码中计算距离。
在 python 中使用以下代码进行预测

预测类

print(model_name.predict(test))

3 个最近的邻居

print(model_name.kneighbors(test)[1])

【讨论】：