Question

给定分数向量和实际类标签的向量，如何计算R语言或简单英语中二进制分类器的单数AUC度量？

"AUC: a Better Measure..."的第9页似乎需要知道班级标签，这里an example in MATLAB我不明白

R(Actual == 1))

因为R（不要与R语言混淆）被定义为向量但是用作函数？

Answer 1

The ROCR package将计算其他统计数据中的AUC：

auc.tmp <- performance(pred,"auc"); auc <- as.numeric(auc.tmp@y.values)

Answer 2

使用包pROC，您可以使用帮助页面中的此示例功能auc()：

> data(aSAH)
> 
> # Syntax (response, predictor):
> auc(aSAH$outcome, aSAH$s100b)
Area under the curve: 0.7314

Answer 3

正如其他人所说，您可以使用ROCR包计算AUC。使用ROCR软件包，您还可以绘制ROC曲线，升力曲线和其他模型选择度量。

您可以使用AUC等于真阳性得分大于真阴性的概率，直接计算AUC而不使用任何包。

例如，如果pos.scores是包含正例的分数的向量，而neg.scores是包含负例的向量，则AUC近似为：

> mean(sample(pos.scores,1000,replace=T) > sample(neg.scores,1000,replace=T))
[1] 0.7261

将给出近似的AUC。您还可以通过引导来估计AUC的方差：

> aucs = replicate(1000,mean(sample(pos.scores,1000,replace=T) > sample(neg.scores,1000,replace=T)))

Answer 4

没有任何额外的套餐：

true_Y = c(1,1,1,1,2,1,2,1,2,2)
probs = c(1,0.999,0.999,0.973,0.568,0.421,0.382,0.377,0.146,0.11)

getROC_AUC = function(probs, true_Y){
    probsSort = sort(probs, decreasing = TRUE, index.return = TRUE)
    val = unlist(probsSort$x)
    idx = unlist(probsSort$ix)  

    roc_y = true_Y[idx];
    stack_x = cumsum(roc_y == 2)/sum(roc_y == 2)
    stack_y = cumsum(roc_y == 1)/sum(roc_y == 1)    

    auc = sum((stack_x[2:length(roc_y)]-stack_x[1:length(roc_y)-1])*stack_y[2:length(roc_y)])
    return(list(stack_x=stack_x, stack_y=stack_y, auc=auc))
}

aList = getROC_AUC(probs, true_Y) 

stack_x = unlist(aList$stack_x)
stack_y = unlist(aList$stack_y)
auc = unlist(aList$auc)

plot(stack_x, stack_y, type = "l", col = "blue", xlab = "False Positive Rate", ylab = "True Positive Rate", main = "ROC")
axis(1, seq(0.0,1.0,0.1))
axis(2, seq(0.0,1.0,0.1))
abline(h=seq(0.0,1.0,0.1), v=seq(0.0,1.0,0.1), col="gray", lty=3)
legend(0.7, 0.3, sprintf("%3.3f",auc), lty=c(1,1), lwd=c(2.5,2.5), col="blue", title = "AUC")

enter image description here

Answer 5

我发现这里的一些解决方案很慢和/或令人困惑（其中一些解决方案没有正确处理关系）所以我在自己的data.table函数中编写了auc_roc() R包mltools。

library(data.table)
library(mltools)

preds <- c(.1, .3, .3, .9)
actuals <- c(0, 0, 1, 1)

auc_roc(preds, actuals)  # 0.875

auc_roc(preds, actuals, returnDT=TRUE)
   Pred CountFalse CountTrue CumulativeFPR CumulativeTPR AdditionalArea CumulativeArea
1:  0.9          0         1           0.0           0.5          0.000          0.000
2:  0.3          1         1           0.5           1.0          0.375          0.375
3:  0.1          1         0           1.0           1.0          0.500          0.875

Answer 6

结合ISL 9.6.3 ROC Curves的代码和@J。赢得了这个问题以及更多地方的答案，下面绘制了ROC曲线，并在情节的右下角打印了AUC。

低于probs是二进制分类的预测概率的数值向量，test$label包含测试数据的真实标签。

require(ROCR)
require(pROC)

rocplot <- function(pred, truth, ...) {
  predob = prediction(pred, truth)
  perf = performance(predob, "tpr", "fpr")
  plot(perf, ...)
  area <- auc(truth, pred)
  area <- format(round(area, 4), nsmall = 4)
  text(x=0.8, y=0.1, labels = paste("AUC =", area))

  # the reference x=y line
  segments(x0=0, y0=0, x1=1, y1=1, col="gray", lty=2)
}

rocplot(probs, test$label, col="blue")

这给出了这样的情节：

Answer 7

根据erik的回应，您还应该能够通过比较pos.scores和neg.scores中所有可能的值对来直接计算ROC：

score.pairs <- merge(pos.scores, neg.scores)
names(score.pairs) <- c("pos.score", "neg.score")
sum(score.pairs$pos.score > score.pairs$neg.score) / nrow(score.pairs)

当然效率低于样本方法或pROC :: auc，但比前者更稳定，并且需要的安装比后者少。

相关：当我尝试这个时，它给出了类似于pROC值的结果，但不完全相同（偏差0.02左右）;结果更接近于具有非常高N的样本方法。如果有人有想法，为什么那可能是我感兴趣。

Answer 8

您可以在此Miron Kursa的博客文章中了解有关AUROC的更多信息：

https://mbq.me/blog/augh-roc/

他为AUROC提供了快速功能：

# By Miron Kursa https://mbq.me
auroc <- function(score, bool) {
  n1 <- sum(!bool)
  n2 <- sum(bool)
  U  <- sum(rank(score)[!bool]) - n1 * (n1 + 1) / 2
  return(1 - U / n1 / n2)
}

让我们测试一下：

set.seed(42)
score <- rnorm(1e3)
bool  <- sample(c(TRUE, FALSE), 1e3, replace = TRUE)

pROC::auc(bool, score)
mltools::auc_roc(score, bool)
ROCR::performance(ROCR::prediction(score, bool), "auc")@y.values[[1]]
auroc(score, bool)

0.51371668847094
0.51371668847094
0.51371668847094
0.51371668847094

auroc()比pROC::auc()和computeAUC()快100倍。

auroc()比mltools::auc_roc()和ROCR::performance()快10倍。

print(microbenchmark(
  pROC::auc(bool, score),
  computeAUC(score[bool], score[!bool]),
  mltools::auc_roc(score, bool),
  ROCR::performance(ROCR::prediction(score, bool), "auc")@y.values,
  auroc(score, bool)
))

Unit: microseconds
                                                             expr       min
                                           pROC::auc(bool, score) 21000.146
                            computeAUC(score[bool], score[!bool]) 11878.605
                                    mltools::auc_roc(score, bool)  5750.651
 ROCR::performance(ROCR::prediction(score, bool), "auc")@y.values  2899.573
                                               auroc(score, bool)   236.531
         lq       mean     median        uq        max neval  cld
 22005.3350 23738.3447 22206.5730 22710.853  32628.347   100    d
 12323.0305 16173.0645 12378.5540 12624.981 233701.511   100   c 
  6186.0245  6495.5158  6325.3955  6573.993  14698.244   100  b  
  3019.6310  3300.1961  3068.0240  3237.534  11995.667   100 ab  
   245.4755   253.1109   251.8505   257.578    300.506   100 a

Answer 9

我通常使用DiagnosisMed包中的函数ROC。我喜欢它产生的图表。返回AUC及其置信区间，并在图表中提及。

ROC(classLabels,scores,Full=TRUE)

Answer 10

目前最高投票回答是不正确的，因为它无视关系。当正面和负面得分相等时，则AUC应为0.5。以下是更正的示例。

computeAUC <- function(pos.scores, neg.scores, n_sample=100000) {
  # Args:
  #   pos.scores: scores of positive observations
  #   neg.scores: scores of negative observations
  #   n_samples : number of samples to approximate AUC

  pos.sample <- sample(pos.scores, n_sample, replace=T)
  neg.sample <- sample(neg.scores, n_sample, replace=T)
  mean(1.0*(pos.sample > neg.sample) + 0.5*(pos.sample==neg.sample))
}

Answer 11

使用Metrics软件包计算AUC非常简单明了：

library(Metrics)

actual <- c(0, 0, 1, 1)
predicted <- c(.1, .3, .3, .9)

auc(actual, predicted)

0.875

计算R中的AUC？

11 个答案: