Ich möchte verschiedene Klassifikationsmetriken (Empfindlichkeit, Spezifität) mit pROC-Paket berechnen. Dafür kann ich coords
Funktion in pROC
Paket verwenden wie:Spezying der positiven Klasse in pROC-Paket
# Load library
library(pROC)
# Load data
data(aSAH)
#Convert Good and Poor to 1 and 0
aSAH$outcome <- ifelse(aSAH$outcome=="Good", 1, 0)
# Calculate ROC
rocobj <- roc(aSAH$outcome, aSAH$s100b)
# Get sensitivity and specificity
coords(rocobj, 0.55)
Hier 1
als positive Klasse nimmt, das heißt kann die Klasse sein, die am weitesten verbreitet ist, aber ich bin nicht sicher. Ich frage mich, ob es möglich ist, '0' als positive Klasse zu verwenden. Zum Beispiel können Sie tun, dass in caret
confusionMatrix
Funktion Paket als:
confusionMatrix(factor(as.numeric(aSAH$s100b<0.55),levels=c('0','1')),
factor(aSAH$outcome,levels=c('0','1')), positive='1')
für 1
als positiv und
confusionMatrix(factor(as.numeric(aSAH$s100b<0.55),levels=c('0','1')),
factor(aSAH$outcome,levels=c('0','1')), positive='0')
für 0
als positive Klasse. Ich benutze das pROC-Paket, da es andere Funktionen bietet, wie zum Beispiel das Bestimmen der besten Cutoffs usw., was in Caret nicht möglich ist. Gibt es jedoch eine Möglichkeit, die positive und negative Klasse im pROC
Paket anzugeben?