Я хочу рассчитать различные показатели классификации (чувствительность, специфичность) с помощью пакета pROC. Для этого я могу использовать функцию coords
в пакете pROC
как:
# Load library
library(pROC)
# Load data
data(aSAH)
#Convert Good and Poor to 1 and 0
aSAH$outcome <- ifelse(aSAH$outcome=="Good", 1, 0)
# Calculate ROC
rocobj <- roc(aSAH$outcome, aSAH$s100b)
# Get sensitivity and specificity
coords(rocobj, 0.55)
Здесь 1
рассматривается как положительный класс, т.е. может быть наиболее распространенным классом, но я не уверен. Мне было интересно, можно ли использовать «0» в качестве положительного класса. Например, вы можете сделать это в функции confusionMatrix
пакета caret
как:
confusionMatrix(factor(as.numeric(aSAH$s100b<0.55),levels=c('0','1')),
factor(aSAH$outcome,levels=c('0','1')), positive='1')
для 1
как положительный и
confusionMatrix(factor(as.numeric(aSAH$s100b<0.55),levels=c('0','1')),
factor(aSAH$outcome,levels=c('0','1')), positive='0')
для 0
как положительный класс. Я использую пакет pROC, поскольку он предоставляет другие функции, такие как определение наилучшего отсечения и т. Д., Что невозможно в каретке. Однако есть ли способ указать положительный и отрицательный класс в pROC
пакете?