小编Ali*_*cia的帖子

我正在使用R中的软件包randomForest创建一个模型来将病例分类为疾病（1）或无疾病（0）：

classify_BV_100t <- randomForest(bv.disease~., data=RF_input_BV_clean, ntree = 100, localImp = TRUE)

print(classify_BV_100t)

Call:
 randomForest(formula = bv.disease ~ ., data = RF_input_BV_clean,      ntree = 100, localImp = TRUE) 
           Type of random forest: classification
                 Number of trees: 100
No. of variables tried at each split: 53

    OOB estimate of  error rate: 8.04%
Confusion matrix:
    0  1 class.error
0 510  7  0.01353965
1  39 16  0.70909091

我的混淆矩阵显示该模型擅长分类0（无疾病），但非常糟糕，不能分类1（疾病）。

但是当我绘制ROC图时，它给人的印象是该模型相当不错。

这是我绘制ROC的2种不同方法：

1. （使用https://stats.stackexchange.com/questions/188616/how-can-we-calculate-roc-auc-for-classification-algorithm-such-as-random-forest）

   library(pROC)
   rf.roc<-roc(RF_input_BV_clean$bv.disease, classify_BV_100t$votes[,2])
   plot(rf.roc)
   auc(rf.roc)
   

   Run Code Online (Sandbox Code Playgroud)

2. （在R中使用插入符号进行训练后，如何在ROC下使用ROC和AUC计算？）

   library(ROCR) …

   Run Code Online (Sandbox Code Playgroud)