R中多类分类的ROC曲线
Posted
技术标签:
【中文标题】R中多类分类的ROC曲线【英文标题】:ROC curves for multiclass classification in R 【发布时间】:2016-08-06 11:26:23 【问题描述】:我有一个包含 6 个类的数据集,我想为多类分类绘制一条 ROC 曲线。 Achim Zeileis 在这个帖子中给出的第一个答案是一个非常好的答案。
ROC curve in R using rpart package?
但这仅适用于二项式分类。我得到的错误是Error in prediction, Number of classes is not equal to 2
。有人为多类分类做过这个吗?
这是我正在尝试做的一个简单示例。 数据
假设 data$cType
具有 6
值(或级别)为(red、green、blue、yellow、black 和 white)
有没有为这 6 个类绘制 ROC 曲线?任何超过 2 个类的工作示例将不胜感激。
【问题讨论】:
@achim-zeileis,亲爱的有什么建议吗? 您希望在多类分类的 ROC 曲线中显示什么? ROC 曲线旨在显示二元结果;更准确地说是两个比率:真阳性与假阳性。您可以为您的六个案例建立每条这样的曲线,但我看不出如何定义多类分类的单个 ROC 曲线。 我想像对二进制文件一样进行所有性能测量。我已经读到可以使用名为pROC
的 R 包来实现它,但我找不到一个可行的示例。
在我看来,唯一可行的方法是将问题转换为几个二进制问题,方法是定义六种不同的“一个与其余”案例并评估相应的 ROC 曲线。
我现在用一个简单的例子编辑了我的问题。亲爱的,你能给我一个简单的工作例子吗?
【参考方案1】:
我知道这是一个老问题,但唯一的答案是使用 Python 编写的这一事实让我很困扰,因为该问题专门要求 R 解决方案。
从下面的代码可以看出,我使用的是pROC::multiclass.roc()
函数。使其工作的唯一要求是预测矩阵的列名称匹配真正的类 (real_values
)。
第一个示例生成随机预测。第二个产生更好的预测。第三个生成完美的预测(即,始终将最高概率分配给真实类。)
library(pROC)
set.seed(42)
head(real_values)
real_values <- matrix( c("class1", "class2", "class3"), nc=1 )
# [,1]
# [1,] "class1"
# [2,] "class2"
# [3,] "class3"
# Random predictions
random_preds <- matrix(rbeta(3*3,2,2), nc=3)
random_preds <- sweep(random_preds, 1, rowSums(a1), FUN="/")
colnames(random_preds) <- c("class1", "class2", "class3")
head(random_preds)
# class1 class2 class3
# [1,] 0.3437916 0.6129104 0.4733117
# [2,] 0.6016169 0.4700832 0.9364681
# [3,] 0.6741742 0.8677781 0.4823129
multiclass.roc(real_values, random_preds)
#Multi-class area under the curve: 0.1667
better_preds <- matrix(c(0.75,0.15,0.5,
0.15,0.5,0.75,
0.15,0.75,0.5), nc=3)
colnames(better_preds) <- c("class1", "class2", "class3")
head(better_preds)
# class1 class2 class3
# [1,] 0.75 0.15 0.15
# [2,] 0.15 0.50 0.75
# [3,] 0.50 0.75 0.50
multiclass.roc(real_values, better_preds)
#Multi-class area under the curve: 0.6667
perfect_preds <- matrix(c(0.75,0.15,0.5,
0.15,0.75,0.5,
0.15,0.5,0.75), nc=3)
colnames(perfect_preds) <- c("class1", "class2", "class3")
head(perfect_preds)
multiclass.roc(real_values, perfect_preds)
#Multi-class area under the curve: 1
【讨论】:
【参考方案2】:在具有相同要求的同时回答一个老问题 - 我发现 scikit 文档很好地解释了一些方法。
http://scikit-learn.org/stable/auto_examples/model_selection/plot_roc.html
提到的方法包括:
“二值化”,即将问题转换为二值分类,使用宏观平均或微观平均 绘制多条 ROC 曲线,每个标签一条 一对一从上面的链接中复制示例,说明一对多和使用它们的库进行微平均:
print(__doc__)
import numpy as np
import matplotlib.pyplot as plt
from itertools import cycle
from sklearn import svm, datasets
from sklearn.metrics import roc_curve, auc
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import label_binarize
from sklearn.multiclass import OneVsRestClassifier
from scipy import interp
# Import some data to play with
iris = datasets.load_iris()
X = iris.data
y = iris.target
# Binarize the output
y = label_binarize(y, classes=[0, 1, 2])
n_classes = y.shape[1]
# Add noisy features to make the problem harder
random_state = np.random.RandomState(0)
n_samples, n_features = X.shape
X = np.c_[X, random_state.randn(n_samples, 200 * n_features)]
# shuffle and split training and test sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.5,
random_state=0)
# Learn to predict each class against the other
classifier = OneVsRestClassifier(svm.SVC(kernel='linear', probability=True,
random_state=random_state))
y_score = classifier.fit(X_train, y_train).decision_function(X_test)
# Compute ROC curve and ROC area for each class
fpr = dict()
tpr = dict()
roc_auc = dict()
for i in range(n_classes):
fpr[i], tpr[i], _ = roc_curve(y_test[:, i], y_score[:, i])
roc_auc[i] = auc(fpr[i], tpr[i])
# Compute micro-average ROC curve and ROC area
fpr["micro"], tpr["micro"], _ = roc_curve(y_test.ravel(), y_score.ravel())
roc_auc["micro"] = auc(fpr["micro"], tpr["micro"])
我实际上正在寻找一个 javascript 解决方案(使用 https://github.com/mljs/performance),所以我没有使用上述库实现它,但它是迄今为止我发现的最有启发性的示例。
【讨论】:
以上是关于R中多类分类的ROC曲线的主要内容,如果未能解决你的问题,请参考以下文章
R语言使用yardstick包的roc_curve函数评估多分类(Multiclass)模型的性能查看模型在多分类每个分类上的ROC曲线(roc curve)