Roc曲線を計算し、線形判別モデルからAUCを計算したいと考えています。私はこれをどうやってできるのか知っていますか？ROCを用いた線形判別分析のRoc曲線
##LDA
require(MASS)
library(MASS)
lda.fit = lda(Negative ~., trainSparse)
lda.fit
plot(lda.fit)
###prediction on the test set
lda.pred=predict(lda.fit,testSparse)
table(testSparse$Negative,lda.pred$class)
は、単にこれを試してください：私はこのコードを試してみました@calimo
library(ROCR)
# choose the posterior probability column carefully, it may be
# lda.pred$posterior[,1] or lda.pred$posterior[,2], depending on your factor levels
pred <- prediction(lda.pred$posterior[,2], testSparse$Negative)
perf <- performance(pred,"tpr","fpr")
plot(perf,colorize=TRUE)
ありがとう！選択する要因の数を確認するにはどうすればよいですか？ lda.fit = lda（負の値、正の値、trainSparse） 警告メッセージ： lda.default（x、grouping、...）の変数は次のとおりです。共線。それは問題ですか？@sandipan –
@ macgionny私はあなたの最初の質問は、正しい要因レベルをlda.pred $ posteriorから選択する方法を知ることだと思いますか？あなたの応答変数の正の因子レベルが 'Y'であるとしましょう、 'prediction（）'はそれぞれのデータタプルについて2つの引数を期待しています、最初にモデルによって予測される確率は 'Y'そのインスタンスの真のラベル2番目の質問の答えは、予測子が線形依存であるため、警告の理由である複数の共線性の問題です.VIFテストを行い、いくつかの変数を削除する必要があります。 –
モデルの精度とリコールが高い場合、プロットされたROC曲線は上記の形状になる可能性があります。 –
： > rocplot =関数（predは、真実、...）{ここにコードがあります + predob =予測（pred、truth） + perf =パフォーマンス（predob、 "tpr"、 "fpr"） +} > yhat.opt = predict（lda.fit 、testSparse、決定。値はTRUE） > fit.opt =属性（yhat.opt）$ decision.values > par（mfrow = c（1,2）） > rocplot（fitted.opt、testSparse ["Negative"]、main = "Training Data"）、このエラーが表示されます。予測のエラー（pred、truth）：予測の形式が無効です。 –
[ROCRパッケージでAUCを計算する方法]（http://stackoverflow.com/questions/41523761/how-to-compute-auc-with-rocr-package） –