問題タブ [roc]

このページを使用してロジスティック回帰を実行しています。私のコードは以下の通りです。

このコードを実行すると、mydata データフレームには「admit」と「prob」の 2 つの列があります。ROC 曲線を取得するには、これら 2 つの列で十分ではないでしょうか?

ROC 曲線を取得する方法を教えてください。

次に、mydata を見ると、モデルは の確率を予測しているようですadmit=1。

あれは正しいですか？

モデルが予測している特定のイベントを見つける方法は?

ありがとう

更新: 以下の 3 つのコマンドは非常に便利なようです。それらは、最大の精度を持つカットオフを提供し、ROC 曲線を取得するのに役立ちます。

1 または 0 を予測するネットワークを作成しました。現在、TN、FN、TP、FP を見つける必要があるネットワークの ROC 曲線に取り組んでいます。ネットワークの出力が >= 0.5 で目的の出力が 1 の場合、それを True Positive に分類しました。そして、望ましい出力が 0 で >=0.5 の場合、誤検知に分類しました。それは正しいことですか？私の理解が正しいかどうかを確認したいだけです。

私は 140,000 観測のデータ セットを持っており、2 つの異なる予測子を使用して ROC (受信者動作特性) を比較しようとしています。ただし、このroccompコマンドはr(134)エラーを報告して失敗しますtoo many values。それが違いを生む場合、私はStata / MP 12を使用しています。これに対する回避策はありますか？

次のおもちゃのデータセットがあります。

Metrics パッケージの auc() 関数を使用すると、スコアが 1 であることがわかります。

これは正しくないようです。助言がありますか？

決定木を実装しました。ROC 曲線で評価したいと思います。

ただし、そのしきい値を定義する方法がわかりません。私の知る限り、決定木のパフォーマンスは 1 つの混同行列で表すことができるため、ROC グラフの 1 つの点に対応する必要があります。曲線はどのように作ればよいですか？

ありがとう！

私のデータセットには、100 個の特徴の 400 個の観測値があります。400 個の観測値はそれぞれ、2 つのクラスのうちの 1 つに属しています。

このデータセットを分類するために、MATLAB でニューラル ネットワーク ( patternet(15) ) をトレーニングしています。
すべての機能を一度に使用するわけではありませんが、最初に 1 つの機能 (400x1) を使用し、次に 2 つ目の機能 (400x2) を追加します。すべてのステップで、perfcurveを使用して AUC を計算します。

これが私の問題です：

AUC は変化していますが、入力が追加されるたびに常に大きくなっているわけではありません。
より多くの機能を使用してネットワークをトレーニングすると、AUC が増加するはずではありませんか? (私は常に、divideindを介して同じ除算を使用します)。

すべてのコメントとヘルプに感謝します! ありがとう！

ランダム フォレスト分類の ROC 曲線をプロットしようとしています。プロットは機能しますが、結果のプロットには 1 つのポイント (精度) しかないため、間違ったデータをプロットしていると思います。

これは私が使用するコードです：