R broom tidy.roc 整理 a(n) roc 對象

Tidy 總結了有關模型組件的信息。模型組件可能是回歸中的單個項、單個假設、聚類或類。 tidy 所認為的模型組件的確切含義因模型而異，但通常是不言而喻的。如果模型具有多種不同類型的組件，您將需要指定要返回哪些組件。

用法

# S3 method for roc
tidy(x, ...)

參數

x

從調用 AUC::roc() 返回的 roc 對象。

...

附加參數。不曾用過。僅需要匹配通用簽名。注意：拚寫錯誤的參數將被吸收到 ... 中，並被忽略。如果拚寫錯誤的參數有默認值，則將使用默認值。例如，如果您傳遞 conf.lvel = 0.9 ，所有計算將使用 conf.level = 0.95 進行。這裏有兩個異常：

tidy() 方法在提供 exponentiate 參數時會發出警告(如果該參數將被忽略)。
augment() 方法在提供 newdata 參數時會發出警告(如果該參數將被忽略)。

也可以看看

tidy() , AUC::roc()

值

帶有列的 tibble::tibble()：

cutoff: 用於分類的截止值。預測概率高於該值的觀測值被分配為 1 類，預測概率低於該值的觀測值被分配為 0 類。
fpr: 假陽性率。
tpr: 給定截止點的真陽性率。

例子


# load libraries for models and data
library(AUC)
#> AUC 0.3.2
#> Type AUCNews() to see the change log and ?AUC to get an overview.
#> 
#> Attaching package: ‘AUC’
#> The following objects are masked from ‘package:caret’:
#> 
#>     sensitivity, specificity

# load data
data(churn)

# fit model
r <- roc(churn$predictions, churn$labels)

# summarize with tidiers + visualization
td <- tidy(r)
td
#> # A tibble: 220 × 3
#>    cutoff     fpr   tpr
#>     <dbl>   <dbl> <dbl>
#>  1  1     0       0    
#>  2  1     0.00262 0.164
#>  3  0.972 0.00350 0.164
#>  4  0.968 0.00350 0.182
#>  5  0.964 0.00350 0.189
#>  6  0.96  0.00350 0.201
#>  7  0.932 0.00437 0.201
#>  8  0.91  0.00437 0.208
#>  9  0.908 0.00525 0.208
#> 10  0.902 0.00525 0.214
#> # ℹ 210 more rows

library(ggplot2)

ggplot(td, aes(fpr, tpr)) +
  geom_line()


# compare the ROC curves for two prediction algorithms
library(dplyr)
library(tidyr)

rocs <- churn %>%
  pivot_longer(contains("predictions"),
    names_to = "algorithm",
    values_to = "value"
  ) %>%
  nest(data = -algorithm) %>%
  mutate(tidy_roc = purrr::map(data, ~ tidy(roc(.x$value, .x$labels)))) %>%
  unnest(tidy_roc)

ggplot(rocs, aes(fpr, tpr, color = algorithm)) +
  geom_line()

源代碼：R/auc-tidiers.R

相關用法

注：本文由純淨天空篩選整理自等大神的英文原創作品 Tidy a(n) roc object。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。