r - 用于计算 AUC 的 pROC 包

Question

查看 pROC 包，我对响应和预测变量有点困惑:

response:响应的因子、数字或字符向量，通常用 0 编码(对照)和 1(病例)。物体。一个 ROC 中只能使用两个类曲线。如果向量包含两个以上的唯一值，或者它们的顺序可能不明确，使用级别来指定哪些值必须用作控制和案例值(value)。

预测器:一个数字向量，包含每个观察值。一个有序的因素是强制转换为数字。

例如，如果我使用:

auc(响应，预测)

响应是真实的还是我的模型产生的预测值？

我的“真相”是 0 或 1，预测向量包含概率。

Answer 1

您似乎(几乎)正确地陈述了它。 ROC 曲线提供的答案是，如果知道真相，预期的正准确度或负准确度是多少。但是，最后一句话 a 是不正确的，因为您提供了 a) 响应和 b) 模型的测量值或分数，而不是概率。在特定病例和对照的不同临界值水平生成一系列表格后，该软件应返回并绘制敏感性和特异性补充。

信息最丰富的 ROC 图将标记 ROC 曲线上的截止值。当我使用那个包时，没有这样的标签，我开始搜索其他包。