R:如何计算“bgeva”对象/模型的 AUC 和 ROC 曲线？

Question

由于我有二进制响应的数据，但事件很少，我想通过拟合 bgeva 来改进其预测。模型而不是 gam模型。为了证明和比较它的预测准确性并将其与我尝试过的其他模型进行比较，我需要计算 AUC 并绘制 ROC 曲线。

问题是我的代码，它适用于 glm和 gam , 不适用于 bgeva目的。准确的说是函数的使用predict()打印错误:no applicable method for 'predict' applied to an object of class "bgeva"我的 friend 谷歌没有为我找到任何解决方案。

这是来自 bgeva() 的一个简单示例包和我用来计算 AUC 并绘制 glm 的 ROC 曲线的代码和 gam对象:

library(bgeva)

set.seed(0)
n <- 1500
x1 <- round(runif(n))
x2 <- runif(n)
x3 <- runif(n)
f1 <- function(x) (cos(pi*2*x)) + sin(pi*x)
f2 <- function(x) (x+exp(-30*(x-0.5)^2))
y <- as.integer(rlogis(n, location = -6 + 2*x1 + f1(x2) + f2(x3), scale  = 1) > 0)
dataSim <- data.frame(y,x1,x2,x3)

################
# bgeva model: #
################
out <- bgeva(y ~ x1 + s(x2) + s(x3))

# AUC for bgeva (does not work)##################################
library(ROCR)
pred <-as.numeric(predict(out, type="response", newdata=dataSim))
rp <- prediction(pred, dataSim$y) 
auc <- performance( rp, "auc")@y.values[[1]]
auc

################
# gam model:   #
################
library(mgcv)

out_gam <- gam(y ~ x1 + s(x2) + s(x3), family=binomial(link=logit))

# AUC and ROC for gam (the same code, works with gam) ############
 pred_gam <-as.numeric(predict(out_gam, type="response"))
 rp_gam <- prediction(pred_gam, dataSim$y)

 auc_gam <- performance( rp_gam, "auc")@y.values[[1]]
 auc_gam

 roc_gam <- performance( rp_gam, "tpr", "fpr")
 plot(roc_gam)

Answer 1

#你可以计算

pred <-as.numeric(predict(out$gam.fit, type="response", newdata=dataSim))

#你的例子

> auc
[1] 0.7840645