如何在R中直接绘制h2o模型对象的ROC

Question

如果我遗漏了一些明显的东西，我表示歉意。在过去的几天中，我非常享受使用R界面使用h2o的乐趣。我想通过绘制ROC来评估我的模型，例如一个随机森林。该文档似乎暗示有一种简单的方法可以做到这一点：

解释DRF模型

• 默认情况下，显示以下输出：
• 模型参数（隐藏）
• 评分历史记录（树木数量与培训MSE）
• ROC曲线图（TPR与FPR）
• 重要性变化图...

我也看到在python中可以在这里应用roc函数。但是我似乎无法找到在R接口中执行相同操作的方法。目前，我正在使用h2o.cross_validation_holdout_predictions从模型中提取预测，然后使用R中的pROC软件包绘制ROC。但是我希望能够直接从H2O模型对象，或者也许从H2OModelMetrics对象执行此操作。

非常感谢！

Answer 1

一个简单的解决方案是使用plot()泛型函数来绘制H2OMetrics对象：

logit_fit <- h2o.glm(colnames(training)[-1],'y',training_frame =
    training.hex,validation_frame=validation.hex,family = 'binomial')
plot(h2o.performance(logit_fit),valid=T),type='roc')

这将给我们一个情节：

但是很难自定义，尤其是更改线型，因为该type参数已被视为“ roc”。另外，我还没有找到一种方法可以在一个图上绘制多个模型的ROC曲线。我想出了一种方法，可以从H2OMetrics对象中提取真阳性率和假阳性率，并使用ggplot2自己绘制ROC曲线。这是示例代码（使用很多tidyverse语法）：

# for example I have 4 H2OModels
list(logit_fit,dt_fit,rf_fit,xgb_fit) %>% 
  # map a function to each element in the list
  map(function(x) x %>% h2o.performance(valid=T) %>% 
        # from all these 'paths' in the object
        .@metrics %>% .$thresholds_and_metric_scores %>% 
        # extracting true positive rate and false positive rate
        .[c('tpr','fpr')] %>% 
        # add (0,0) and (1,1) for the start and end point of ROC curve
        add_row(tpr=0,fpr=0,.before=T) %>% 
        add_row(tpr=0,fpr=0,.before=F)) %>% 
  # add a column of model name for future grouping in ggplot2
  map2(c('Logistic Regression','Decision Tree','Random Forest','Gradient Boosting'),
        function(x,y) x %>% add_column(model=y)) %>% 
  # reduce four data.frame to one
  reduce(rbind) %>% 
  # plot fpr and tpr, map model to color as grouping
  ggplot(aes(fpr,tpr,col=model))+
  geom_line()+
  geom_segment(aes(x=0,y=0,xend = 1, yend = 1),linetype = 2,col='grey')+
  xlab('False Positive Rate')+
  ylab('True Positive Rate')+
  ggtitle('ROC Curve for Four Models')

那么ROC曲线为：