随机森林分类的​​ ROC 曲线

Posted 2023-03-13

【中文标题】随机森林分类的​​ ROC 曲线

【英文标题】：ROC curve for classification from randomForest

【发布时间】：2012-09-04 10:33:45

【问题描述】：

我在 R 平台中使用randomForest 包进行分类任务。

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

其中 k 的范围从 0.1 到 0.9。

pred <- predict(rf_object,test_data_matrix)

我有随机森林分类器的输出，并将其与标签进行了比较。所以，我有 9 个截止点的性能指标，如准确性、MCC、灵敏度、特异性等。

现在，我想画出ROC曲线，得到ROC曲线下的面积，看看性能有多好。 R 中的大多数包（如 ROCR、pROC）都需要预测和标签，但我有敏感性 (TPR) 和特异性 (1-FPR)。

如果截止方法正确或可靠地生成ROC曲线，有人可以建议我吗？ 你知道用TPR和FPR得到ROC曲线和曲线下面积的方法吗？

我还尝试使用以下命令来训练随机森林。这样，预测是连续的，并且可以被 R 中的 ROCR 和 pROC 包接受。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)

感谢您花时间阅读我的问题！我为此花了很长时间冲浪。感谢您的建议/建议。

【参考方案1】：

为什么不输出类概率？这样，您就可以对预测进行排名，并且可以将其直接输入到任何 ROC 包中。

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

请注意，要使用 randomForest 作为分类工具，labels 必须是因子向量。