curva - roc curve in r example

Calcular AUC en R?

Question

Dado un vector de puntajes y un vector de etiquetas de clase reales, ¿cómo se calcula una métrica AUC de un solo número para un clasificador binario en el lenguaje R o en inglés simple?

La página 9 de "AUC: a Better Measure ..." parece requerir conocer las etiquetas de clase, y aquí hay un ejemplo en MATLAB donde no entiendo

R(Actual == 1))

Porque R (que no debe confundirse con el lenguaje R) se define como un vector pero se usa como una función?

Answer 1

A lo largo de las líneas de la respuesta de erik, también debería ser capaz de calcular el ROC directamente comparando todos los pares posibles de valores de pos.scores y neg.scores:

score.pairs <- merge(pos.scores, neg.scores)
names(score.pairs) <- c("pos.score", "neg.score")
sum(score.pairs$pos.score > score.pairs$neg.score) / nrow(score.pairs)

Ciertamente menos eficiente que el método de muestra o el método pROC :: auc, pero más estable que el anterior y que requiere menos instalación que este último.

Relacionado: cuando probé esto, dio resultados similares al valor de pROC, pero no exactamente igual (menos de 0.02); el resultado fue más cercano al enfoque de la muestra con una N muy alta. Si alguien tiene ideas sobre por qué podría ser, estaría interesado.

Answer 2

Actualmente, la respuesta más votado es incorrecta, porque no tiene en cuenta los vínculos. Cuando los puntajes positivos y negativos son iguales, entonces el AUC debería ser 0.5. A continuación se muestra un ejemplo corregido.

computeAUC <- function(pos.scores, neg.scores, n_sample=100000) {
# Args:
# pos.scores: scores of positive observations
# neg.scores: scores of negative observations
# n_samples : number of samples to approximate AUC
pos.sample <- sample(pos.scores, n_sample, replace=T)
neg.sample <- sample(neg.scores, n_sample, replace=T)
mean(1.0*(pos.sample > neg.sample) + 0.5*(pos.sample==neg.sample))
}

Answer 3

Combinando código de ISL 9.6.3 Curvas ROC , junto con @J. La respuesta de Won. A esta pregunta y algunos lugares más, la siguiente traza la curva ROC e imprime el AUC en la parte inferior derecha de la trama.

Below probs es un vector numérico de probabilidades pronosticadas para clasificación binaria y test$label contiene las etiquetas verdaderas de los datos de prueba.

require(ROCR)
require(pROC)
rocplot <- function(pred, truth, ...) {
predob = prediction(pred, truth)
perf = performance(predob, "tpr", "fpr")
plot(perf, ...)
area <- auc(truth, pred)
area <- format(round(area, 4), nsmall = 4)
text(x=0.8, y=0.1, labels = paste("AUC =", area))
# the reference x=y line
segments(x0=0, y0=0, x1=1, y1=1, col="gray", lty=2)
}
rocplot(probs, test$label, col="blue")

Esto da una trama como esta:

Answer 4

Como lo mencionaron otros, puede calcular el AUC usando el paquete ROCR . Con el paquete ROCR también puede trazar la curva ROC, la curva de elevación y otras medidas de selección del modelo.

Puede calcular el AUC directamente sin utilizar ningún paquete utilizando el hecho de que el AUC es igual a la probabilidad de que un verdadero positivo tenga una puntuación mayor que un verdadero negativo.

Por ejemplo, si pos.scores es un vector que contiene una puntuación de los ejemplos positivos, y neg.scores es un vector que contiene los ejemplos negativos, entonces el AUC se aproxima por:

> mean(sample(pos.scores,1000,replace=T) > sample(neg.scores,1000,replace=T))
[1] 0.7261

dará una aproximación del AUC. También puede estimar la varianza del AUC mediante el arranque:

> aucs = replicate(1000,mean(sample(pos.scores,1000,replace=T) > sample(neg.scores,1000,replace=T)))

Answer 5

Con el paquete pROC puede usar la función auc() como este ejemplo de la página de ayuda:

> data(aSAH)
>
> # Syntax (response, predictor):
> auc(aSAH$outcome, aSAH$s100b)
Area under the curve: 0.7314

Answer 6

Encontré que algunas de las soluciones aquí son lentas y / o confusas (y algunas de ellas no manejan las data.table correctamente) así que escribí mi propia función basada en auc_roc() en mi paquete R mltools .

library(data.table)
library(mltools)
preds <- c(.1, .3, .3, .9)
actuals <- c(0, 0, 1, 1)
auc_roc(preds, actuals) # 0.875
auc_roc(preds, actuals, returnDT=TRUE)
Pred CountFalse CountTrue CumulativeFPR CumulativeTPR AdditionalArea CumulativeArea
1: 0.9 0 1 0.0 0.5 0.000 0.000
2: 0.3 1 1 0.5 1.0 0.375 0.375
3: 0.1 1 0 1.0 1.0 0.500 0.875

Answer 7

Puede obtener más información sobre AUROC en esta publicación de blog de Miron Kursa :

https://mbq.me/blog/augh-roc/

Él proporciona una función rápida para AUROC:

# By Miron Kursa https://mbq.me
auroc <- function(score, bool) {
n1 <- sum(!bool)
n2 <- sum(bool)
U <- sum(rank(score)[!bool]) - n1 * (n1 + 1) / 2
return(1 - U / n1 / n2)
}

Vamos a probarlo:

set.seed(42)
score <- rnorm(1e3)
bool <- sample(c(TRUE, FALSE), 1e3, replace = TRUE)
pROC::auc(bool, score)
mltools::auc_roc(score, bool)
ROCR::performance(ROCR::prediction(score, bool), "auc")@y.values[[1]]
auroc(score, bool)
0.51371668847094
0.51371668847094
0.51371668847094
0.51371668847094

auroc() es 100 veces más rápido que pROC::auc() y computeAUC() .

auroc() es 10 veces más rápido que mltools::auc_roc() y ROCR::performance() .

print(microbenchmark(
pROC::auc(bool, score),
computeAUC(score[bool], score[!bool]),
mltools::auc_roc(score, bool),
ROCR::performance(ROCR::prediction(score, bool), "auc")@y.values,
auroc(score, bool)
))
Unit: microseconds
expr min
pROC::auc(bool, score) 21000.146
computeAUC(score[bool], score[!bool]) 11878.605
mltools::auc_roc(score, bool) 5750.651
ROCR::performance(ROCR::prediction(score, bool), "auc")@y.values 2899.573
auroc(score, bool) 236.531
lq mean median uq max neval cld
22005.3350 23738.3447 22206.5730 22710.853 32628.347 100 d
12323.0305 16173.0645 12378.5540 12624.981 233701.511 100 c
6186.0245 6495.5158 6325.3955 6573.993 14698.244 100 b
3019.6310 3300.1961 3068.0240 3237.534 11995.667 100 ab
245.4755 253.1109 251.8505 257.578 300.506 100 a

Answer 8

Sin ningún paquete adicional:

true_Y = c(1,1,1,1,2,1,2,1,2,2)
probs = c(1,0.999,0.999,0.973,0.568,0.421,0.382,0.377,0.146,0.11)
getROC_AUC = function(probs, true_Y){
probsSort = sort(probs, decreasing = TRUE, index.return = TRUE)
val = unlist(probsSort$x)
idx = unlist(probsSort$ix)
roc_y = true_Y[idx];
stack_x = cumsum(roc_y == 2)/sum(roc_y == 2)
stack_y = cumsum(roc_y == 1)/sum(roc_y == 1)
auc = sum((stack_x[2:length(roc_y)]-stack_x[1:length(roc_y)-1])*stack_y[2:length(roc_y)])
return(list(stack_x=stack_x, stack_y=stack_y, auc=auc))
}
aList = getROC_AUC(probs, true_Y)
stack_x = unlist(aList$stack_x)
stack_y = unlist(aList$stack_y)
auc = unlist(aList$auc)
plot(stack_x, stack_y, type = "l", col = "blue", xlab = "False Positive Rate", ylab = "True Positive Rate", main = "ROC")
axis(1, seq(0.0,1.0,0.1))
axis(2, seq(0.0,1.0,0.1))
abline(h=seq(0.0,1.0,0.1), v=seq(0.0,1.0,0.1), col="gray", lty=3)
legend(0.7, 0.3, sprintf("%3.3f",auc), lty=c(1,1), lwd=c(2.5,2.5), col="blue", title = "AUC")

Answer 9

Usualmente uso la función ROC del paquete DiagnosisMed. Me gusta el gráfico que produce. AUC se devuelve junto con su intervalo de confianza y también se menciona en el gráfico.

ROC(classLabels,scores,Full=TRUE)

Answer 10

ROCR calculará el AUC entre otras estadísticas:

auc.tmp <- performance(pred,"auc"); auc <- as.numeric([email protected])