如何用rocr包如何画计算auc

如何用rocr包如何画计算auc

机器学习中的AUC是指 从一堆样本中随机抽一个，抽到正样本的概率 比 抽到负样本的概率 大的可能性。
详细解释如下： 随机抽取一个样本， 对应每一潜在可能值X都对应有一个抽中的概率P。
按概率从高到矮排个降序， 对于正样本中概率最高的，排序为rank_1， 比它概率小的有M-1个正样本（M为正样本个数）， (rank_1 - M) 个负样本。
正样本概率第二高的， 排序为rank_2， 比它概率小的有M-2个正样本，(rank_2 - M + 1) 个 负样本。
以此类推
正样本中概率最小的， 排序为rank_M，比它概率小的有0个正样本，rank_M - 1 个负样本。
总共有MxN个正负样本对（N为负样本个数）。把所有比较中 正样本概率大于负样本概率 的例子都算上， 得到公式（rank_1 - M + rank_2 - M + 1 .... + rank_M - 1） / (MxN) 就是正样本概率大于负样本概率的可能性了。

R中有不同的package计算AUC: 这里我们用同一个数据集去做检验 data(churn) data description: bigger predictions means the object is more likely to belong class1. 1. pROC 调用方式 #Syntax (response, predictor): auc(aSAH$outcome, aSAH$s100b)