从randomForest分类的ROC曲线

Question

我randomForest在R平台上使用包进行分类任务.

rf_object<-randomForest(data_matrix, label_factor, cutoff=c(k,1-k))

其中k的范围为0.1至0.9.

pred <- predict(rf_object,test_data_matrix)

我有随机森林分类器的输出,我将它与标签进行了比较.因此,我有9个截止点的准确度,MCC,灵敏度,特异性等性能指标.

现在,我想绘制ROC曲线并获得ROC曲线下的面积,看看性能有多好.R中的大多数包(如ROCR,pROC)需要预测和标记,但我有灵敏度(TPR)和特异性(1-FPR).

任何人都可以建议我,如果截止方法是正确的还是可靠的,以产生ROC曲线？您是否知道使用TPR和FPR获得ROC曲线和曲线下面积的方法？

我还尝试使用以下命令来训练随机森林.通过这种方式,预测是连续的,ROCR并且pROC在R 中可以接受并打包.但是,我不确定这是否是正确的方法.任何人都可以向我推荐这种方法吗？

rf_object <- randomForest(data_matrix, label_vector)
pred <- predict(rf_object, test_data_matrix)

感谢您抽出时间阅读我的问题!我花了很长时间冲浪.感谢您的建议/意见.

Answer 1

你为什么不输出类概率？这样,您就可以对预测进行排名,并且可以直接将其输入到任何ROC包中.

m = randomForest(data_matrix, labels)
predict(m,newdata_matrix,type='prob')

注意,要使用randomForest作为分类工具,labels必须是因子的向量.