从randomForest分类的ROC曲线

Question

我在R平台上使用randomForest包进行分类任务。

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

其中k的范围为0.1至0.9。

pred <- predict(rf_object,test_data_matrix)

我有随机森林分类器的输出，我将它与标签进行了比较。 因此，我有9个截止点的准确度，MCC，灵敏度，特异性等性能指标。

现在，我想绘制ROC曲线并获得ROC曲线下的面积，看看性能有多好。 R中的大多数包（如ROCR，pROC）需要预测和标记，但我有灵敏度（TPR）和特异性（1-FPR）。

任何人都可以建议我，如果截止方法是正确的还是可靠的，以产生ROC曲线？ 您是否知道使用TPR和FPR获得ROC曲线和曲线下面积的方法？

我还尝试使用以下命令来训练随机森林。 这样预测是连续的，并且R中的ROCR和pROC包可以接受。但是，我不确定这是否是正确的方法。 任何人都可以向我推荐这种方法吗？

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

感谢您抽出宝贵时间阅读我的问题！ 我花了很长时间冲浪。 感谢您的建议/意见。

Answer 1

你为什么不输出类概率？ 这样，您就可以对预测进行排名，并且可以直接将其输入到任何ROC包中。

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

请注意，要使用randomForest作为分类工具， labels必须是因子的向量。