我遇到了R中3級ROC分析的問題,並且獲得了非常令人討厭的結果(請參閱here)。 現在我嘗試用不同的方式來解決它。數據爲iris
,分類器爲nnet
包中的多項邏輯迴歸。代碼如下:R(pROC包)中的3級AUC計算
# iris data (3-class ROC)
library(nnet)
library(pROC) # should be installed first: install.packages('pROC')
data(iris)
# 3-class logistic regression
model = multinom(Species~., data = iris, trace = F)
# confusion matrix (z1) & accuracy (E1)
z1 = table(iris[, 5], predict(model, data = iris))
E1 = sum(diag(z1))/sum(z1)
z1;E1
# setosa versicolor virginica
# setosa 50 0 0
# versicolor 0 49 1
# virginica 0 1 49
#[1] 0.9866667
# prediction model (still training data set)
pre = predict(model, data = iris, type='probs')
# AUC measure
modelroc = mean(
c(as.numeric(multiclass.roc(iris$Species, pre[,1])$auc),
as.numeric(multiclass.roc(iris$Species, pre[,2])$auc),
as.numeric(multiclass.roc(iris$Species, pre[,3])$auc)
)
)
modelroc
## RESULT ##
# [1] 0.9803556
我的問題是:
這是使用pROC
包的正確方法?
非常感謝!
一些相關的參考:
pROC
包:http://www.inside-r.org/packages/cran/pROC/docs/multiclass.roc
Hand & Till(2001)
原紙:http://link.springer.com/article/10.1023%2FA%3A1010920819831