r - 在使用逻辑回归时避免 R 中的 for 循环以尝试评估真阳性/阴性的百分比

Question

我得到的:一个矩阵，我从中得到结果的预测概率(来自逻辑回归模型)和已知结果。对于那些好奇的人，我实际上有两个回归模型和一个独立的测试数据集，我希望通过这样做来比较这两个模型。

> head(matrixComb)
      probComb outComb
[1,] 0.9999902       1
[2,] 0.9921736       0
[3,] 0.9901175       1
[4,] 0.9815581       0
[5,] 0.7692992       0
[6,] 0.7369990       0

我想要的:一张图表，我可以在其中绘制我的预测模型产生正确结果的频率(一条线表示正值，一条线表示负值)作为概率截止值的函数。我的问题是，如果不切换到 Perl 并使用 For 循环遍历矩阵，我无法弄清楚如何执行此操作。

在 Perl 中，我将从概率 0.1 开始，然后在 for 循环的运行中将值增加 0.1。在第一次迭代中，我将所有概率 <0.1 和结果 = 0 视为真阴性，概率 < 0.1 和结果 1 为假阴性，概率 > 0.1 和结果 = 0 为误报，概率 > 0.1 和结果 = 1 为真阳性。

然后将重复该过程，每次迭代的结果将打印为 [概率，真阳性/总阳性，真阴性/总阴性]。因此，我可以很容易地在 open office calc 中打印出来。

我问这个的原因是这个操作太复杂了，我无法在 stackoverflow 或教程中找到类似的案例。但我真的很想学习一种在 R 环境中高效执行此操作的方法。

Answer 1

你可以让R画出基于ROC分析的曲线。这是使用 ROCR 包的原始版本，可以很容易地变得更漂亮

ss <- 1000   # sample size
mydf <- data.frame(probComb = runif(ss)) # predictions illustration
mydf$outComb <- 0 + (runif(ss) < mydf$probComb) # actuals illustration

library(ROCR)
pred <- prediction(mydf$probComb, mydf$outComb)
perfp <- performance(pred, "tpr")
perfn <- performance(pred, "tnr")
plot(perfp, col="green", ylab="True positive (green) and true negative (red) rates")
plot(perfn, col="red", ylab="True negative rate", add=TRUE)

生产

如果需要，您可以在perfp 和perfn 中找到数据。