时间戳

首页 > 解决方案 > R：pROC 包：输入数据作为命中率和误报率？

r - R：pROC 包：输入数据作为命中率和误报率？

问题描述

问：有没有办法通过 pROC R 包将命中率和误报率形式的数据导入 roc 对象？

背景：在认知心理学中，我们使用术语“命中率”，相当于灵敏度和“误报率”，相当于 1-特异性。一个常见的任务是识别记忆测试。例如，参与者首先研究一个单词列表（我们将其称为“目标”）。后来，他们参加了一项测试，在其中他们查看了一系列单词，其中一些是早期列表中的目标，而其中一些是早期列表中没有的“诱饵”。对于每个单词，参与者回答是（我以前研究过这个词）或否（我以前没有研究过这个词），然后他们也给出了置信度等级（例如，从 50% 置信度 [只是猜测] 到 100%信心[绝对确定]）。

命中率是参与者正确回答“是”的目标词的比例。误报率是参与者错误地说“是”的诱饵词的比例。通过计算多个置信度（又称“箱”）的累积命中率和误报率，我们可以绘制经验 ROC 曲线，其中 x 轴为误报率，y 轴为命中率。

因此，假设我有 5 个置信区间内的累积命中率和误报率形式的识别记忆数据。例如：误报率：0.05、0.11、0.20、0.28、0.45 命中率：0.45、0.52、0.57、0.59、0.62

我想使用 pROC 包将这些数据放入一个 roc 对象中，以便我可以拟合曲线并计算部分 AUC。有没有办法做到这一点？谢谢你，~杰森芬利

标签： rrocproc-r-package

解决方案

有没有办法做到这一点？

简短的回答：没有。

长答案：

  1. 您无法从混淆矩阵中构建 ROC 曲线。如果您拥有所有混淆矩阵，则可能会这样做，但这显然不是您的情况。像这样构建的任何曲线都不是 ROC 曲线。
  2. 即使您能够使用上面的第 1 点构建 ROC 曲线并计算 AUC，所有额外的功能，如误差估计（方差、CI）、平滑等，都需要完整的、未汇总的数据。

推荐阅读