ROC-Kurve für die Klassifizierung von randomForest

Question

Ich verwende randomForest Paket in R-Plattform für die Einstufung Aufgabe.

rf_object<-randomForest(data_matrix, label_factor, cutoff=c(k,1-k)) 

wobei k von 0,1 bis 0,9 reicht.

pred <- predict(rf_object,test_data_matrix) 

Ich habe die Ausgabe von der Random Forest Classifier und ich habe es mit den Etiketten verglichen. Also, ich habe die Leistungsmaße wie Genauigkeit, MCC, Empfindlichkeit, Spezifität usw. für 9 Cutoff-Punkte.

Jetzt möchte ich die ROC-Kurve plotten und die Fläche unter der ROC-Kurve erhalten, um zu sehen, wie gut die Leistung ist. Die meisten Pakete in R (wie ROCR, pROC) erfordern Vorhersage und Markierungen, aber ich habe Empfindlichkeit (TPR) und Spezifität (1-FPR).

Kann mir jemand vorschlagen, ob die Cutoff-Methode korrekt oder zuverlässig ist, um eine ROC-Kurve zu erzeugen? Kennen Sie irgendeinen Weg, um ROC-Kurve und Fläche unter der Kurve mit TPR und FPR zu erhalten?

Ich habe auch versucht, den folgenden Befehl zu verwenden, um zufällige Gesamtstruktur zu trainieren. Auf diese Weise waren die Vorhersagen kontinuierlich und waren akzeptabel für ROCR und pROC Pakete in R. Aber ich bin mir nicht sicher, ob dies der richtige Weg ist. Kann mir jemand etwas über diese Methode sagen?

rf_object <- randomForest(data_matrix, label_vector) 
pred <- predict(rf_object, test_data_matrix) 

Vielen Dank für Ihre Zeit beim Lesen meines Problems! Ich habe lange Zeit dafür surfen. Vielen Dank für Ihren Vorschlag.

Answer 1

Warum geben Sie keine Klassenwahrscheinlichkeiten aus? Auf diese Weise haben Sie ein Ranking Ihrer Vorhersagen und Sie können dies direkt in jedes ROC-Paket eingeben.

m = randomForest(data_matrix, labels) 
predict(m,newdata_matrix,type='prob') 

anzumerken, dass Random als Klassifikations Werkzeug zu benutzen, muss labels ein Vektor von Faktor sein.