Я хочу вычислить кривую Roc, а затем AUC из линейной дискриминантной модели. Вы знаете, как я могу это сделать? здесь есть код:Кривая Roc в линейном дискриминантном анализе с R
##LDA
require(MASS)
library(MASS)
lda.fit = lda(Negative ~., trainSparse)
lda.fit
plot(lda.fit)
###prediction on the test set
lda.pred=predict(lda.fit,testSparse)
table(testSparse$Negative,lda.pred$class)
Просто попробуйте это:
library(ROCR)
# choose the posterior probability column carefully, it may be
# lda.pred$posterior[,1] or lda.pred$posterior[,2], depending on your factor levels
pred <- prediction(lda.pred$posterior[,2], testSparse$Negative)
perf <- performance(pred,"tpr","fpr")
plot(perf,colorize=TRUE)
большое спасибо !! Вы знаете, как я могу увидеть количество факторов, которые нужно выбрать? И еще одно, когда я подхожу к модели lda, появляется это предупреждение: lda.fit = lda (Negative ~.-Positive, trainSparse) Предупреждающее сообщение: В lda.default (x, grouping, ...): переменные являются коллинеарны. Это проблема? @sandipan –
@macgionny Я думаю, что ваш первый вопрос заключается в том, как узнать правильный факторный уровень, чтобы выбрать из lda.pred $ posterior, правильно? скажем, ваш положительный коэффициент в вашей переменной ответа равен «Y», тогда «прогнозирование()» будет ожидать два аргумента для каждого кортежа данных, первым из которых является вероятность, предсказанная моделью, - «Y», а второй аргумент равен истинный ярлык для этого экземпляра. Ответ на второй вопрос заключается в том, что ваши предсказатели линейно зависимы, поэтому проблема множественной коллинеарности является причиной предупреждения, вам нужно выполнить тест VIF и сбросить некоторые переменные. –
Если ваша модель имеет высокую точность и отзыв, кривая кривой ROC, вероятно, будет иметь указанную выше форму. –
@calimo Я попробовал этот код: > rocplot = функция (пред, правда, ...) { + predob = предсказание (pred, правда) + perf = performance (predob, "tpr", "fpr") + plot (perf, ...) +} > yhat.opt = pred (lda.fit , testSparse, решение. значения = TRUE) > installed.opt = attributes (yhat.opt) $ decision.values > par (mfrow = c (1, 2)) > rocplot (installed.opt, testSparse ["Negative"], main = «Данные обучения»), но затем появляется такая ошибка: Ошибка в предсказании (пред, истина): Формат предсказаний недействителен. –
Возможный дубликат [Как вычислить AUC с пакетом ROCR] (http://stackoverflow.com/questions/41523761/how-to-compute-auc-with-rocr-package) –