J'ai les prédictions suivantes après avoir exécuté un modèle de régression logistique sur un ensemble de molécules que nous supposons qui sont prédictives de tumeurs par rapport aux normales.AUC valeur inattendue
Predicted class
T N
T 29 5
Actual class
N 993 912
J'ai une liste des notes qui vont de prédictions < 0 (chiffres négatifs) aux prédictions> 0 (nombres positifs). Ensuite, j'ai une autre colonne dans mon data.frame
qui a indiqué les étiquettes (1 == tumeurs et 0 == normales) comme prévu à partir du modèle. J'ai essayé de calculer le ROC en utilisant le library(ROC)
de la manière suivante:
pred = prediction(prediction, labels)
roc = performance(pred, "tpr", "fpr")
plot(roc, lwd=2, colorize=TRUE)
utilisant:
roc_full_data <- roc(labels, prediction)
rounded_scores <- round(prediction, digits=1)
roc_rounded <- roc(labels, prediction)
Appel:
roc.default(response = labels, predictor = prediction)
Data: prediction in 917 controls (category 0) < 1022 cases (category1).
Area under the curve: 1
L'AUC est égal à 1. Je ne suis pas bien sûr que je cours tout correctement ou probablement que je fais quelque chose de mal dans l'interprétation de mes résultats car il est assez rare que l'AUC soit égale à 1.
Quelqu'un peut-il m'aider s'il vous plaît?
Meilleur
Qu'avez-vous exactement alimenté par ces fonctions? Un [exemple reproductible] (http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example) serait très utile. – MrFlick
Peut-être que vous avez besoin de faire quelque chose comme 'auc (roc (pred, labels))'? – Fernando