Создание калибровочных графиков и ROCR многокомпонентной логистической регрессии в R

Question

Я использую функцию мультинома, чтобы предсказать вероятность того, что беременные женщины будут давать спонтанно (исход = 0), испытывают плод (исход = 1) или испытывают непрогрессивный труд (результат = 2) на основе ряда предсказательных переменных (как непрерывных, так и категориальных).

Последняя модель выглядит примерно так

model <- multinom(Outcome ~ Gestational_age + Previous_CS + Fetal_Gender + diabetes + Birth_weight, data=sm) 

гестационный возраст и вес при рождении являются непрерывными переменными, а другие, такие как предыдущий кесарево сечение, внутриутробной пола и диабет категориальные переменные. Как я могу это учитывать с помощью эталонных уровней?

Кроме того, я хотел бы создать два отдельных калибровочных графика, чтобы оценить, насколько хороша конечная модель для прогнозирования риска для результатов 1 и 2, но я не уверен, как работает функция прогнозирования. У меня было что-то подобное, но для меня это не имеет особого смысла.

p.fit <- predict(model, sm$Outcome, type='probs') 
probabilities<-data.frame(sm$Outcome1,p.fit) 
plsmo(p.fit, sm$Outcome1, datadensity=T, xlab="predicted probability" ylab="observed proportion") 
abline(0,1, col="red") 

Наконец мне нужно построить ROCR

Answer 1

не имея набор данных, я бы дал это попробовать:

library('ROCR') 
pred <- ROCR::prediction(predict(model),factor(sm$outcome)) 
plot(ROCR::performance(pred, measure="tpr" , x.measure="fpr"), 
    xlab='False Positive Rate', 
    ylab='True Positive Rate') 
# in case you want the Area under the ROC curve (AUC) 
(AUC <- (attributes(ROCR::performance(pred, measure="auc"))$y.value[[1]][[1]][1]))