用于非二进制因变量R快AUC功能(R fast AUC function for non-binar

我试图计算AUC为肥胖型的数据集，并无法找到一个既处理不在值只是0或1的合理快速的作品。

到目前为止，我已经试过了ROCR包，但它只能处理0和1的和pROC包会给我一个答案，但可能需要5-10分钟来计算1万行。

作为一个说明我所有的值落在0 - 1之间，但不一定是1或0。

编辑： - 1的答案和预测都是0之间下降。

有什么建议么？

EDIT2：

ROCR可以应付这样的情况：

Ex.1
actual   prediction
  1         0
  1         1
  0         1
  0         1 
  1         0

或者是这样的：

Ex.2
actual   prediction
  1         .25
  1         .1
  0         .9
  0         .01
  1         .88

但不是的情况是这样的：

Ex.3
actual   prediction
  .2         .25
  .6         .1
  .98        .9
  .05        .01
  .72        .88

pROC可以对付例3，但它需要一个很长的时间来计算。我希望有像例3的情况下更快的实现。

Answer 1:

到目前为止，我已经试过了ROCR包，但它只能处理0和1

你说的是参考类成员或预测类成员？后者可以在ROCR是0和1之间，看看它的示例性数据设置ROCR.simple 。

如果你的参考是在[0,1]，你可以看看（免责声明：我的）包softclassval。你必须从敏感性和特异性计算构建ROC / AUC，虽然。所以，除非你想优化的算法（如ROCR开发者所做的那样），它可能会需要很长时间，太。在这种情况下，你还必须考虑究竟敏感性和特异性应该是说，因为这是不明确的，在（0,1）的参考成员。

澄清的问题后更新

你需要知道分组的参考或实际在一起失去信息。例如，如果你有实际= 0.5，预测= 0.8，那是什么意思？假设这些值是真正实际= 5/10和预测= 5/10。通过总结10次试验分为两个数字，你失去了相同的 5出10是否意味着与否的信息。没有这一点，实际= 5/10和预测= 8/10是30％和70％的正确识别之间的任何一致的！

在此处，灵敏度被讨论（即正确识别例如点击目标的）的图示：