从ROC曲线获得的阈值(Obtaining threshold values from a ROC

我有一些型号，使用ROCR所预测的类百分比的向量包，我有一个性能对象。 绘图性能对象与规范“TPR”，“FPR”给我一个ROC曲线。

我在的假阳性率（x）的某些阈值比较模型。 我希望能得到真正的阳性率（Y）的值进行表现的对象。 更有甚者，我想获得的是用于生成该点的类百分比阈值。

假阳性率（的索引号x-value ），其是最接近的阈值而不被其上方，应该给我适当的真阳性率（的索引号y-value ）。 我不完全知道如何获得该指数值。

而更重要的是，我如何得到这是用于制作点类概率的门槛？

Answer 1:

这就是为什么str是我最喜欢的一个R函数：

library(ROCR)
data(ROCR.simple)
pred <- prediction( ROCR.simple$predictions, ROCR.simple$labels)
perf <- performance(pred,"tpr","fpr")
plot(perf)
> str(perf)
Formal class 'performance' [package "ROCR"] with 6 slots
  ..@ x.name      : chr "False positive rate"
  ..@ y.name      : chr "True positive rate"
  ..@ alpha.name  : chr "Cutoff"
  ..@ x.values    :List of 1
  .. ..$ : num [1:201] 0 0 0 0 0.00935 ...
      ..@ y.values    :List of 1
      .. ..$ : num [1:201] 0 0.0108 0.0215 0.0323 0.0323 ...
  ..@ alpha.values:List of 1
  .. ..$ : num [1:201] Inf 0.991 0.985 0.985 0.983 ...

啊啊！ 这是一个S4级的 ，所以我们可以使用@访问插槽。 这里是你如何做一个data.frame ：

cutoffs <- data.frame(cut=[e-mail][[1]], fpr=[e-mail][[1]], 
                      tpr=[e-mail][[1]])
> head(cutoffs)
        cut         fpr        tpr
1       Inf 0.000000000 0.00000000
2 0.9910964 0.000000000 0.01075269
3 0.9846673 0.000000000 0.02150538
4 0.9845992 0.000000000 0.03225806
5 0.9834944 0.009345794 0.03225806
6 0.9706413 0.009345794 0.04301075

如果你有想打的FPR的阈值，你可以这样子集data.frame找到低于这个门槛FPR最大TPR：

cutoffs <- cutoffs[order(cutoffs$tpr, decreasing=TRUE),]
> head(subset(cutoffs, fpr < 0.2))
          cut       fpr       tpr
96  0.5014893 0.1495327 0.8494624
97  0.4997881 0.1588785 0.8494624
98  0.4965132 0.1682243 0.8494624
99  0.4925969 0.1775701 0.8494624
100 0.4917356 0.1869159 0.8494624
101 0.4901199 0.1962617 0.8494624

Answer 2:

包装pROC包括功能coords计算最佳的门槛：

library(pROC)
my_roc <- roc(my_response, my_predictor)
coords(my_roc, "best", ret = "threshold")

Answer 3:

2个解决方案的基础上， ROCR和pROC包：

threshold1 <- function(predict, response) {
    perf <- ROCR::performance(ROCR::prediction(predict, response), "sens", "spec")
    df <- data.frame(cut = [e-mail][[1]], sens = [e-mail][[1]], spec = [e-mail][[1]])
    df[which.max(df$sens + df$spec), "cut"]
}
threshold2 <- function(predict, response) {
    r <- pROC::roc(response, predict)
    r$thresholds[which.max(r$sensitivities + r$specificities)]
}
data(ROCR.simple, package = "ROCR")
threshold1(ROCR.simple$predictions, ROCR.simple$labels)
#> [1] 0.5014893
threshold2(ROCR.simple$predictions, ROCR.simple$labels)
#> [1] 0.5006387

又见OptimalCutpoints包，它提供了多种算法来找到一个最佳的阈值。

文章来源: Obtaining threshold values from a ROC curve