Таблица классификации и кривая ROC - логистическая регрессия в R с использованием lrm

Я хочу иметь классификационную таблицу для логистической регрессии с использованием функции lrm в пакете rms, а затем построить кривую roc. Я выполнил это с помощью функции glm. Пример кода

train<-sample(dim(data)[1],.8*dim(data)[1]) #80-20 training/test
datatrain<-data[train,]
datatest<-data[-train,]
fit<-glm(Target ~ ., data=datatrain,family=binomial()) #Target is 0/1 variable
prob=predict(fit,type=c("response"),datatest)
datatest$prob=prob
library(pROC)
ROC <- roc(Target==1 ~ prob, data = datatest)
plot(ROC)
confusion<-table(prob>0.5,datatest$Target)
errorrate<-sum(diag(confusion))/sum(confusion)
errorrate

Как получить матрицу путаницы с помощью функции lrm?


r logistic-regression confusion-matrix roc
person Sup    schedule 27.11.2013    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Функция lrm возвращает подходящий объект, унаследованный от класса glm. На справочной странице lrm это явно не указано, но это достаточно легко проверить. После запуска кода настройки в первом примере на странице ?lrm

> f <- lrm(ch ~ age)
> class(f)
[1] "lrm" "rms" "glm"

Таким образом, вы должны иметь возможность использовать обычный predict метод, который вы использовали выше. Профессор Харрелл советует не использовать проверку по разделенной выборке и использовать кривые ROC для сравнения моделей. В своем пакете он предоставляет механизмы для лучших методов.

person IRTFM    schedule 27.11.2013